【原】數據分析/數據挖掘/機器學習---- 必讀書目

總結一下我讀過的機器學習/數據挖掘/數據分析方面的書，有的適合入門，有的適合進階，沒有按照層次排列，先總結一下，等總結的差很少了再根據入門--->進階分塊寫。下面列的書基本上我寫的都是讀完過的，否則不敢寫，怕誤人子弟  = =，持續更新ing~

數據分析

實習的時候只會Matlab，公司小，沒錢買正版，因此領導要我兩星期把R學會，當時看的有這些書

1.R語言實戰

評價：很好的入門書，從安裝、入門、基本的統計分析，做圖命令，以及常見的分類、迴歸、降維等方法都有寫

推薦指數：五顆星

 

2.數據分析-R語言實戰

評價：專門用R語言寫的數據分析的書，掌握R的基礎後能夠看看，側重數據分析的基本方法，介紹了一些常見的分析方法，比較基礎。

推薦指數：四星半

 

3.探索性數據分析

評價：外國人寫的書，可是翻譯真的太爛了。並且內容其實沒什麼乾貨啊，關於分位數、展布等這些概念直接找本統計學的教材看看吧。

推薦指數：三顆星

 

4.R語言編程藝術

評價：在圖書館意外發現了這本好書，對於R中的數據結構和性能提高講的不錯。

推薦指數：四顆星

 

5.利用Python進行數據分析

評價：這本書是pandas模塊的做者寫的書，一句話總結：Pandas使用手冊。若是用Python作數據分析，基本上Pandas是必不可少的包。

推薦指數：四顆星

 

 

數據挖掘/機器學習

4.大數據時代的R語言 數據挖掘：R語言實戰

評價：和上面的「數據分析-R語言實戰」好像是一個系列的，基本上常見的數據挖掘方法都介紹了，有理論有實例，適合入門。

推薦指數：四顆星

 

5.數據挖掘概念與技術

評價：入門書，理論多，好像是不少研究生學數據挖掘的教材，很詳細，孟小峯老師的翻譯仍是不錯的，相對不少翻譯很爛的仍是能夠的。

推薦指數：四顆星

 

6.機器學習實戰

評價：Python寫的，沒有Python基礎的話仍是先學學Python吧，基本上都是實例爲主，代碼很詳細，講的也很通俗易懂，github上能夠下載代碼

推薦指數：五顆星

 

7.集體智慧編程

評價：和機器學習實戰一塊兒看的，也基本上都是實例，翻譯的也能夠，比「探索性數據分析」的翻譯好多了！！有代碼，能夠實操，基本上真正掌握了能夠應對通常的數據挖掘的需求了。

推薦指數：五顆星

 

8.統計學習方法

評價：李航博士寫的機器學習常見算法的數學推導，講的算是比較詳細了，對於有數學基礎的仍是很好理解的，若是沒有數學基礎，能夠先看看數分高代凸優化之類的書再看。適合有必定基礎的學習。

推薦指數：五顆星

 

9.推薦系統實戰

評價：看名字就知道是講推薦系統的，對於不知道推薦系統是啥的能夠好好看看，看完基本上了解推薦系統的大概框架和流程，也有一些例子，可是每一個例子以及理論都講的很淺，沒有深刻，只適合入門。

推薦指數：四顆星

 

10.數據挖掘導論

評價：實習的同事本科時上課的教材，也是一部大巨頭啊，外國人寫的書，很通俗易懂，很是很是詳細。

推薦指數：四顆星

 

今天先寫到這兒吧，基本上都是一些入門書，還有一些在印象筆記裏，回去再總結。下次寫看過的hadoop/Python/Spark的書，以及一些比較不錯的論文。

 

#--------------------------------------------------------------4.12更新--------------------------------------------------------------

 

11.Spark快速大數據分析

評價：8.4/10,很薄的一本書，主要介紹的Spark的基本語法命令之類的，適合快速入門，Learning Spark的中文版

推薦指數：五顆星

 

12.Spark高級數據分析

評價：豆瓣上評價不多，可是我買回來看了之後發現仍是不錯的，基本上從分類，聚類，推薦，徵信這幾塊都有實例講解，比較詳細，看的也很快，上手不錯。

推薦指數：五顆星

 

13.Hadoop權威指南

評價：7.8/10,很厚，Hadoop講的很深，不太適合入門，適合作數據倉庫的人看，數據挖掘的能夠先看看hadoop實戰

推薦指數：三顆星

 

14.Hadoop實戰

評價：7.0/10,我看的是國內的一個教授寫的，並非「Hadoop in anction」的中文譯本，這個寫的很淺，適合入門，可是感受仍是Hadoop in action 寫的好一些

推薦指數：三星半

 

15.Hive編程指南

評價：7.4/10 ，講Hive操做的，講真，若是真的只想瞭解下hive怎麼操做，能夠不用看這本書，直接去搜一下hive編程命令集合就能夠了，這本書比較適合ETL的人，若是隻是數據挖掘入門入門的話能夠暫時先不用看這本書。可是書自己講的仍是很好的

推薦指數：四顆星

 

16.R語言與網站分析

評價：7.4/10，原本只是去國圖偶然看到的一本書，可是看了幾章後以爲講的挺清晰，並且後面的實例講的挺好的，就去亞馬遜上買了kindle電子書，關聯規則和社羣分析講的都挺不錯的，看的特別快。

推薦指數：四顆星

 

17.R的極客理想工具篇

評價：7.5/10，做者是張丹，最開始是關注他的博客，寫的很清晰，步驟也很明確，對於學習R的人來講是個不錯的學習地方。這本書後面幾張講的主要是R的性能、以及數據庫、hadoop、hive結合起來作的方法，值得一看。

推薦指數：四顆星

 

18.Mysql必知必會

評價：8.4/10，很少說，入門Mysql必讀書，很薄的一本小冊子。

推薦指數：五顆星

 

19.高性能MySQL

評價：8.7/10,專業級的MySQL書籍，適合進階，可是中文翻譯很爛，買英文版英文版英文版

推薦指數：兩顆星（還有三顆星給了英文版）

 

19.凸優化

評價：9.4/10，很好的教材，並且很全，以前上數值分析這門課學的不少內容都包含在裏面了，機器學習的不少概念也能夠在裏面找到，讀完可讓你更深刻的理解機器學習，而不是僅僅只會套用包。

推薦指數：五顆星！！

 

20.Pattern Recognition and Machine Learning

評價：9.6/10，PRML是機器學習的經典教材啊，很是值得看！有人翻譯了中文版的，若是須要的話能夠留言我把連接發出來~

推薦指數：五顆星

 

22.統計天然語言處理

評價：8.8/10，作天然語言處理的入門書，書很厚，可是講的不少概念性的東西，卻一點也不以爲枯燥，惟一的缺點就是，大概由於是經典教材類的書，因此實例比較少，有點像綜述，大而全，若是想實戰，能夠看看Python寫的一本天然語言處理的書，nltk，忘記叫啥名了，想起來了貼上來（評論裏有人補充了，貼一個，Natural Language Processing with Python）

推薦指數：四顆星

 

再推薦幾本科普書，業餘能夠看看提高下興趣

1.從0到1

2.大數據時代

3.浪潮之巔

4.數學之美

5.數據之巔

還有其餘的暫時想不起來了，下次再更新~

 

#--------------------------------------------------------------4.19更新--------------------------------------------------------------

23.機器學習

評價：上次竟然忘了寫這本書，周志華老師的新書，公式推導很詳細，豆瓣評分9.2，周老師在講數據挖掘的算法以前先講了如何評估算法的效果與選擇，能夠宏觀的瞭解機器學習一些基礎知識，在以後學習算法的時候對於它們的適用場景也會有個大概的瞭解。做者的思路很清晰，強烈推薦啊！！

推薦指數：五顆星