<p>总结一下我读过的机器学习/数据挖掘/数据分析方面的书，有的适合入门，有的适合进阶，没有按照层次排列，先总结一下，等总结的差不多了再根据入门--->进阶分块写。下面列的书基本上我写的都是读完过的，不然不敢写，怕误人子弟 = =，持续更新ing~</p>    <p><img src="https://simg.open-open.com/show/b1a05aa6748015cc1d91fa75f0e7ba2a.jpg"></p>    <p>数据分析</p>    <p>实习的时候只会Matlab，公司小，没钱买正版，所以领导要我两星期把R学会，当时看的有这些书</p>    <p>1. R语言实战</p>    <p>评价：很好的入门书，从安装、入门、基本的统计分析，作图命令，以及常见的分类、回归、降维等方法都有写</p>    <p>推荐指数：五颗星</p>    <p>2. 数据分析-R语言实战</p>    <p>评价：专门用R语言写的数据分析的书，掌握R的基础后可以看看，侧重数据分析的基本方法，介绍了一些常见的分析方法，比较基础。</p>    <p>推荐指数：四星半</p>    <p>3. 探索性数据分析</p>    <p>评价：外国人写的书，但是翻译真的太烂了。而且内容其实没什么干货啊，关于分位数、展布等这些概念直接找本统计学的教材看看吧。</p>    <p>推荐指数：三颗星</p>    <p>4. R语言编程艺术</p>    <p>链接：https://book.douban.com/subject/24699632/</p>    <p>评价：在图书馆意外发现了这本好书，对于R中的数据结构和性能提升讲的不错。</p>    <p>推荐指数：四颗星</p>    <p>5. 利用Python进行数据分析</p>    <p>评价：这本书是pandas模块的作者写的书，一句话总结：Pandas使用手册。如果用Python做数据分析，基本上Pandas是必不可少的包。</p>    <p>推荐指数：四颗星</p>    <p>数据挖掘/机器学习</p>    <p>4.大数据时代的R语言 数据挖掘：R语言实战</p>    <p>评价：和上面的“数据分析-R语言实战”好像是一个系列的，基本上常见的数据挖掘方法都介绍了，有理论有实例，适合入门。</p>    <p>推荐指数：四颗星</p>    <p>5. 数据挖掘概念与技术</p>    <p>评价：入门书，理论多，好像是很多研究生学数据挖掘的教材，很详细，孟小峰老师的翻译还是不错的，相对很多翻译很烂的还是可以的。</p>    <p>推荐指数：四颗星</p>    <p>6. 机器学习实战</p>    <p>评价：Python写的，没有Python基础的话还是先学学Python吧，基本上都是实例为主，代码很详细，讲的也很通俗易懂，github上可以下载代码</p>    <p>推荐指数：五颗星</p>    <p>7. 集体智慧编程</p>    <p>评价：和机器学习实战一起看的，也基本上都是实例，翻译的也可以，比“探索性数据分析”的翻译好多了!!有代码，可以实操，基本上真正掌握了可以应对一般的数据挖掘的需求了。</p>    <p>推荐指数：五颗星</p>    <p>8. 统计学习方法</p>    <p>评价：李航博士写的机器学习常见算法的数学推导，讲的算是比较详细了，对于有数学基础的还是很好理解的，如果没有数学基础，可以先看看数分高代凸优化之类的书再看。适合有一定基础的学习。</p>    <p>推荐指数：五颗星</p>    <p>9. 推荐系统实战</p>    <p>评价：看名字就知道是讲推荐系统的，对于不知道推荐系统是啥的可以好好看看，看完基本上了解推荐系统的大概框架和流程，也有一些例子，但是每个例子以及理论都讲的很浅，没有深入，只适合入门。</p>    <p>推荐指数：四颗星</p>    <p>10. 数据挖掘导论</p>    <p>评价：实习的同事本科时上课的教材，也是一部大巨头啊，外国人写的书，很通俗易懂，非常非常详细。</p>    <p>推荐指数：四颗星</p>    <p>今天先写到这儿吧，基本上都是一些入门书，还有一些在印象笔记里，回去再总结。下次写看过的hadoop/Python/Spark的书，以及一些比较不错的论文。</p>    <p>#-------------------------------------------------------------- 4.12更新 --------------------------------------------------------------</p>    <p>11. Spark快速大数据分析</p>    <p>评价：8.4/10,很薄的一本书，主要介绍的Spark的基本语法命令之类的，适合快速入门，Learning Spark的中文版</p>    <p>推荐指数：五颗星</p>    <p>12. Spark高级数据分析</p>    <p>评价：豆瓣上评价很少，但是我买回来看了以后发现还是不错的，基本上从分类，聚类，推荐，征信这几块都有实例讲解，比较详细，看的也很快，上手不错。</p>    <p>推荐指数：五颗星</p>    <p>13. Hadoop权威指南</p>    <p>评价：7.8/10,很厚，Hadoop讲的很深，不太适合入门，适合做数据仓库的人看，数据挖掘的可以先看看hadoop实战</p>    <p>推荐指数：三颗星</p>    <p>14. Hadoop实战</p>    <p>评价：7.0/10,我看的是国内的一个教授写的，并不是“Hadoop in anction”的中文译本，这个写的很浅，适合入门，但是感觉还是 Hadoop in action 写的好一些</p>    <p>推荐指数：三星半</p>    <p>15. Hive编程指南</p>    <p>评价：7.4/10 ，讲Hive操作的，讲真，如果真的只想了解下hive怎么操作，可以不用看这本书，直接去搜一下hive编程命令集合就可以了，这本书比较适合ETL的人，如果只是数据挖掘入门入门的话可以暂时先不用看这本书。但是书本身讲的还是很好的</p>    <p>推荐指数：四颗星</p>    <p>16. R语言与网站分析</p>    <p>评价：7.4/10，本来只是去国图偶然看到的一本书，但是看了几章后觉得讲的挺清晰，而且后面的实例讲的挺好的，就去亚马逊上买了kindle电子书，关联规则和社群分析讲的都挺不错的，看的特别快。</p>    <p>推荐指数：四颗星</p>    <p>17. R的极客理想工具篇</p>    <p>评价：7.5/10，作者是张丹，最开始是关注他的博客，写的很清晰，步骤也很明确，对于学习R的人来说是个不错的学习地方。这本书后面几张讲的主要是R的性能、以及数据库、hadoop、hive结合起来做的方法，值得一看。</p>    <p>推荐指数：四颗星</p>    <p>18. Mysql必知必会</p>    <p>评价：8.4/10，不多说，入门Mysql必读书，很薄的一本小册子。</p>    <p>推荐指数：五颗星</p>    <p>19. 高性能MySQL</p>    <p>评价：8.7/10,专业级的MySQL书籍，适合进阶，但是中文翻译很烂，买英文版英文版英文版</p>    <p>推荐指数：两颗星(还有三颗星给了英文版)</p>    <p>19. 凸优化</p>    <p>评价：9.4/10，很好的教材，而且很全，之前上数值分析这门课学的很多内容都包含在里面了，机器学习的很多概念也可以在里面找到，读完可以让你更深入的理解机器学习，而不是仅仅只会套用包。</p>    <p>推荐指数：五颗星!!</p>    <p>20. Pattern Recognition and Machine Learning</p>    <p>评价：9.6/10，PRML是机器学习的经典教材啊，非常值得看!有人翻译了中文版的，如果需要的话可以留言我把链接发出来~</p>    <p>推荐指数：五颗星</p>    <p>21. 统计自然语言处理</p>    <p>评价：8.8/10，做自然语言处理的入门书，书很厚，但是讲的很多概念性的东西，却一点也不觉得枯燥，唯一的缺点就是，大概因为是经典教材类的书，所以实例比较少，有点像综述，大而全，如果想实战，可以看看Python写的一本自然语言处理的书，nltk，忘记叫啥名了，想起来了贴上来</p>    <p>推荐指数：四颗星</p>    <p>再推荐几本科普书，业余可以看看提升下兴趣</p>    <p>1.从0到1</p>    <p>2.大数据时代</p>    <p>3.浪潮之巅</p>    <p>4.数学之美</p>    <p>5.数据之巅</p>    <p>还有其他的暂时想不起来了，下次再更新~</p>    <p>来自： <a href="/misc/goto?guid=4959670389048261241" rel="nofollow">http://www.thebigdata.cn/YeJieDongTai/29650.html</a></p>