数据分析/数据挖掘/机器学习---- 必读书目

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~

数据分析

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

1.R语言实战

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

推荐指数:五颗星

2.数据分析-R语言实战

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。

推荐指数:四星半

3.探索性数据分析

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。

推荐指数:三颗星

4.R语言编程艺术

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。

推荐指数:四颗星

5.利用Python进行数据分析

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。

推荐指数:四颗星

数据挖掘/机器学习

4.大数据时代的R语言 数据挖掘:R语言实战

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。

推荐指数:四颗星

5.数据挖掘概念与技术

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。

推荐指数:四颗星

6.机器学习实战

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

推荐指数:五颗星

7.集体智慧编程

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。

推荐指数:五颗星

8.统计学习方法

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。

推荐指数:五颗星

9.推荐系统实战

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。

推荐指数:四颗星

10.数据挖掘导论

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。

推荐指数:四颗星

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。

#————————————————————–4.12更新————————————————————–

11.Spark快速大数据分析

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

推荐指数:五颗星

12.Spark高级数据分析

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。

推荐指数:五颗星

13.Hadoop权威指南

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

推荐指数:三颗星

14.Hadoop实战

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

推荐指数:三星半

15.Hive编程指南

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

推荐指数:四颗星

16.R语言与网站分析

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。

推荐指数:四颗星

17.R的极客理想工具篇

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。

推荐指数:四颗星

18.Mysql必知必会

评价:8.4/10,不多说,入门Mysql必读书,很薄的一本小册子。

推荐指数:五颗星

19.高性能MySQL

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

推荐指数:两颗星(还有三颗星给了英文版)

19.凸优化

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。

推荐指数:五颗星!!

20.Pattern Recognition and Machine Learning

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~

推荐指数:五颗星

22.统计自然语言处理

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

推荐指数:四颗星

再推荐几本科普书,业余可以看看提升下兴趣

1.从0到1

2.大数据时代

3.浪潮之巅

4.数学之美

5.数据之巅

还有其他的暂时想不起来了,下次再更新~

    原文作者:Charlotte77
    原文地址: https://www.jianshu.com/p/11db5d1215fd
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞