22本數據分析、挖掘的好書推薦—絕對干貨，不看后悔

1. 深入淺出數據分析

這書挺簡單的，基本的內容都涉及了，說得也比較清楚，最后談到了R是大加分。

難易程度：非常易。

2.啤酒與尿布

通過案例來說事情，而且是最經典的例子。

難易程度：非常易。

3.數據之美

一本介紹性的書籍，每章都解決一個具體的問題，甚至還有代碼，對理解數據分析的應用領域和做法非常有幫助。

難易程度：易。

4.集體智慧編程

學習數據分析、數據挖掘、機器學習人員應該仔細閱讀的第一本書。作者通過實際例子介紹了機器學習和數據挖掘中的算法，淺顯易懂，還有可執行的Python代碼。

難易程度：中。

5.Machine Learning in Action

用人話把復雜難懂的機器學習算法解釋清楚了，其中有零星的數學公式，但是是以解釋清楚為目的的。而且有Python代碼，大贊！目前中科院的王斌老師（微博： @王斌_ICTIR）已經翻譯這本書了 機器學習實戰 (豆瓣)。這本書本身質量就很高，王老師的翻譯質量也很高。

難易程度：中。

6.推薦系統實踐

這本書不用說了，研究推薦系統必須要讀的書，而且是第一本要讀的書。

難易程度：中上。

7.數據挖掘導論

最近幾年數據挖掘教材中比較好的一本書，被美國諸多大學的數據挖掘課作為教材，沒有推薦Jiawei Han老師的那本書，因為個人覺得那本書對于初學者來說不太容易讀懂。

難易程度：中上。

8.The Elements of Statistical Learning

這本書有對應的中文版：統計學習基礎 (豆瓣)。書中配有R包，非常贊！可以參照著代碼學習算法。

難易程度：難。

9.統計學習方法

李航老師的扛鼎之作，強烈推薦。

難易程度：難。

10.Pattern Recognition And Machine Learning

經典中的經典。

11.Machine Learning

去年出版的新書，作者Kevin Murrphy教授是機器學習領域中年少有為的代表。這書是他的集大成之作，寫完之后，就去Google了，產學研結合，沒有比這個更好的了。

12.Bayesian Reasoning and Machine Learning

看名字就知道了，徹徹底底的Bayesian學派的書，里面的內容非常多，有一張圖將機器學習中設計算法的關系總結了一下，很棒。

13.Machine Learning for Hackers

也是通過實例講解機器學習算法，用R實現的，可以一邊學習機器學習一邊學習R。

14.Probabilistic Graphical Models

鴻篇巨制，這書誰要是讀完了告訴我一聲。

15.Convex Optimization

凸優化中最好的教材，沒有之一了。課程也非常棒，Stephen老師拿著紙一步一步推到，圖一點一點畫，太棒了。

16.Graphical Models, Exponential Families, and Variational Inference

這個是Jordan老爺子和他的得意門徒 Martin J Wainwright 在 Foundation of Machine Learning Research上的創刊號，可以免費下載，比較難懂，但是一旦讀通了，graphical model的相關內容就可以踏平了。

17.Introduction to Semi-Supervised Learning

半監督學習必讀必看的書。

18.Learning to Rank for Information Retrieval

微軟亞院劉鐵巖老師關于LTR的著作，啥都不說了，推薦！

19.Learning to Rank for Information Retrieval and Natural Language Processing

李航老師關于LTR的書，也是當時他在微軟亞院時候的書，可見微軟亞院對LTR的研究之深，貢獻之大。

20.SciPy and NumPy

這本書可以歸類為數據分析書吧，因為numpy和scipy真的是非常強大啊。

21.Python for Data Analysis

作者是Pandas這個包的作者，看過他在Scipy會議上的演講，實例非常強，用pandas做數據分析！

22.Bad Data Handbook

很好玩的書，作者的角度很不同。