书单丨数据分析、挖掘好书推荐 By肖智博
|
题图：斯洛伐克复合书店Alexis （Flavorwire.com评为全球最美的20家书店之一） 前言 本文主要是在数据分析、数据挖掘方面，其中分为入门读物、数据分析、入门教程、专业教程等不同层次，对处于不同阶段的同学多多少少会有一些帮助。 深入浅出数据分析 这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。 啤酒与尿布 通过案例来说事情，而且是最经典的例子。难易程度：非常易。 数据之美 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。难易程度：易。 数学之美 这本书非常棒啦，入门读起来很不错！ SciPy and NumPy 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。 Python for Data Analysis 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强！ Bad Data Handbook 很好玩的书，作者的角度很不同。 《集体智慧编程》 学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。 《Machine Learning in Action》 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师（微博： 王斌_ICTIR）已经翻译这本书了。《机器学习实战》 这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。我带的研究生入门必看数目之一！ 《Building Machine Learning Systems with Python》 虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。 《数据挖掘导论》 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。难易程度：中上。 《Machine Learning for Hackers》 也是通过实例讲解机器学习算法，用R实现的，可以一边学习机器学习一边学习R。 《Introduction to Semi-Supervised Learning》 半监督学习必读必看的书。 《Learning to Rank for Information Retrieval》 微软亚院刘铁岩老师关于LTR的著作，啥都不说了，推荐！ 《Learning to Rank for Information Retrieval and Natural Language Processing》 李航老师关于LTR的书，也是当时他在微软亚院时候的书，可见微软亚院对LTR的研究之深，贡献之大。 《推荐系统实践》 这本书不用说了，研究推荐系统必须要读的书，而且是第一本要读的书。 《Graphical Models,Exponential Families,and Variational Inference》 这个是Jordan老爷子和他的得意门徒 Martin J Wainwright 在 Foundation of Machine Learning Research上的创刊号，可以免费下载，比较难懂，但是一旦读通了，graphical model的相关内容就可以踏平了。 《Natural Language Processing with Python》 NLP 经典，其实主要是讲 NLTK 这个包，但是啊，NLTK 这个包几乎涵盖了 NLP 的很多内容了啊！ 《The Elements of Statistical Learning》 这本书有对应的中文版：《统计学习基础》。书中配有R包，非常赞！可以参照着代码学习算法。 《统计学习方法》 李航老师的扛鼎之作，强烈推荐。难易程度：难。 《Machine Learning》 去年出版的新书，作者Kevin Murrphy教授是机器学习领域中年少有为的代表。这书是他的集大成之作，写完之后，就去Google了，产学研结合，没有比这个更好的了。 《Machine Learning》 这书和上面的书不是一本！这书叫：《Machine Learning: An Algorithmic Perspective》 之前做过我带的研究生教材，由于配有代码，所以理解起来比较容易。 《Pattern Recognition And Machine Learning》 经典中的经典。 《Bayesian Reasoning and Machine Learning》 看名字就知道了，彻彻底底的Bayesian学派的书，里面的内容非常多，有一张图将机器学习中设计算法的关系总结了一下，很棒。 《Probabilistic Graphical Models》 鸿篇巨制，这书谁要是读完了告诉我一声。 《Convex Optimization》 凸优化中最好的教材，没有之一了。课程也非常棒，Stephen老师拿着纸一步一步推到，图一点一点画，太棒了。 也可以通过“阅读原文”到原作者知乎回答中与作者进行讨论。
长按扫码关注StuQ微信号 通过 StuQ微信号，把有用的技术资源推荐给更多的人。请在微信下留言，分享你喜欢的一本书、一节课程、一个网站、一篇文章... （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
