数据挖掘

入门读物：

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！

数据分析：

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。

数据挖掘

适合入门的教程：

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

(

豆瓣

)

。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

。

数据挖掘

稍微专业些的：

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！

数据挖掘

机器学习教材：

The Elements of Statistical Learning

这本书有对应的中文版：统计学习基础

(

豆瓣

)

。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。