在数据分析、挖掘方面，好书推荐

入门读物：

1. 深入浅出数据说明 (豆瓣)?这书挺简朴的，根基的内容都涉及了，说得也较量清晰，最后谈到了R是大加分。难易水平：很是易。
2. 啤酒与尿布 (豆瓣)?通过案例来说工作，并且是最经典的例子。难易水平：很是易。
3. 数据之美 (豆瓣)?一本先容性的书本，每章都办理一个详细的题目，乃至尚有代码，对领略数据说明的应用规模和做法很是有辅佐。难易水平：易。
4. 数学之美 (豆瓣)?这本书很是棒啦，入门读起来很不错！

数据说明：

1. SciPy and NumPy (豆瓣)?这本书可以归类为数据说明书吧，由于numpy和scipy真的长短常强盛啊。
2. Python for Data Analysis (豆瓣)?作者是Pandas这个包的作者，看过他在Scipy集会会议上的演讲，实例很是强！
3. Bad Data Handbook (豆瓣)?很好玩的书，作者的角度很差异。

得当入门的教程：

1. 集团伶俐编程 (豆瓣)?进修数据说明、数据发掘、呆板进修职员应该细心阅读的第一本书。作者通过现实例子先容了呆板进修和数据发掘中的算法，浅近易懂，尚有可执行的Python代码。难易水平：中。
2. Machine Learning in Action (豆瓣)?用人话把伟大难解的呆板进修算法表明清晰了，个中有零散的数学公式，可是是以表明清晰为目标的。并且有Python代码，大赞！今朝中科院的王斌先生（微博： 王斌_ICTIR）已经翻译这本书了?呆板进修拭魅战 (豆瓣)。这本书自己质量就很高，王先生的翻译质量也很高。难易水平：中。我带的研究生入门必看数量之一！
3. Building Machine Learning Systems with Python (豆瓣)?固然是英文的，可是因为写得很简朴，较量领略，又有 Python 代码随着，帮助领略。
4. 数据发掘导论 (豆瓣)?最近几年纪据发掘课本中较量好的一本书，被美国诸多大学的数据发掘课作为课本，没有保举Jiawei Han先生的那本书，由于小我私人认为那本书对付初学者来说不太轻易读懂。难易水平：中上。
5. Machine Learning for Hackers (豆瓣)?也是通过实例讲授呆板进修算法，用R实现的，可以一边进修呆板进修一边进修R。

轻微专业些的：

1. Introduction to Semi-Supervised Learning (豆瓣)?半监视进修必读必看的书。
2. Learning to Rank for Information Retrieval (豆瓣)?微软亚院刘铁岩先生关于LTR的著作，啥都不说了，保举！
3. Learning to Rank for Information Retrieval and Natural Language Processing (豆瓣)?李航先生关于LTR的书，也是其时他在微软亚院时辰的书，可见微软亚院对LTR的研究之深，孝顺之大。
4. 保举体系实践 (豆瓣)?这本书不消说了，研究保举体系必必要读的书，并且是第一本要读的书。
5. Graphical Models,Exponential Families,and Variational Inference (豆瓣)?这个是Jordan老爷子和他的自得门徒?Martin J Wainwright?在 Foundation of Machine Learning Research上的创刊号，可以免费下载，较量难解，可是一旦读通了，graphical model的相干内容就可以踏平了。
6. Natural Language Processing with Python (豆瓣)?NLP 经典，着实首要是讲 NLTK 这个包，可是啊，NLTK 这个包险些涵盖了 NLP 的许多内容了啊！

呆板进修课本：

1. The Elements of Statistical Learning (豆瓣)?这本书有对应的中文版：统计进修基本 (豆瓣)。书中配有R包，很是赞！可以参照着代码进修算法。
2. 统计进修要领 (豆瓣)?李航先生的扛鼎之作，凶猛保举。难易水平：难。
3. Machine Learning (豆瓣)?客岁出书的新书，作者Kevin Murrphy传授是呆板进修规模中幼年有为的代表。这书是他的集大成之作，写完之后，就去Google了，产学研团结，没有比这个更好的了。
4. Machine Learning (豆瓣)?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课本，因为配有代码，以是领略起来较量轻易。
5. Pattern Recognition And Machine Learning (豆瓣)?经典中的经典。
6. Bayesian Reasoning and Machine Learning (豆瓣)?看名字就知道了，彻彻底底的Bayesian学派的书，内里的内容很是多，有一张图将呆板进修中计划较法的相关总结了一下，很棒。
7. Probabilistic Graphical Models (豆瓣)?鸿篇巨制，这书谁要是读完了汇报我一声。
8. Convex Optimization (豆瓣)?凸优化中最好的课本，没有之一了。课程也很是棒，Stephen先生拿着纸一步一步推到，图一点一点画，太棒了。

（编辑：湖南网）

【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!