数据挖掘
入门读物:
深入浅出数据分析
这书挺简单的,基本的内容都涉及了,说得也比较清楚,最后谈到了
R
是大加分。难
易程度:非常易。
啤酒与尿布
通过案例来说事情,而且是最经典的例子。难易程度:非常易。
数据之美
一本介绍性的书籍,每章都解决一个具体的问题,甚至还有代码,
对理解数据分析的应用领域和
做法非常有帮助。难易程度:易。
数学之美
这本书非常棒啦,入门读起来很不错!
数据分析:
SciPy and NumPy
这本书可以归类为数据分析书吧,因为
numpy
和
scipy
真的是非常强大啊。
Python for Data Analysis
作者是
Pandas
这个包的作者,看过他在
Scipy
会议上的演讲,实例非常强!
Bad Data Handbook
很好玩的书,作者的角度很不同。
数据挖掘
适合入门的教程:
集体智慧编程
学习数据分析、数据挖掘、
机器学习人员应该仔细阅读的第一本书。
作者通过实际例子介绍
了机器学习和数据挖掘中的算法,浅显易懂,还有可执行的
Python
代码。难易程度:中。
Machine Learning in Action
用人话把复杂难懂的机器学习算法解释清楚了,
其中有零星的数学公式,
但
是是以解释清楚为目的的。而且有
Python
代码,大赞!目前中科院的王斌老师(微博:
王斌
_ICTIR
)已
经翻译这本书了
机器学习实战
(
豆瓣
)
。这本书本身质量就很高,王老师的翻译质量也很高。难易程度:
中。我带的研究生入门必看数目之一!
Building Machine Learning Systems with Python
虽然是英文的,但是由于写得很简单,比较理解,又
有
Python
代码跟着,辅助理解。
数据挖掘导论
最近几年数据挖掘教材中比较好的一本书,
被美国诸多大学的数据挖掘课作为教材,
没有推
荐
Jiawei Han
老师的那本书,因为个人觉得那本书对于初学者来说不太容易读懂。难易程度:中上。
Machine Learning for Hackers
也是通过实例讲解机器学习算法,用
R
实现的,可以一边学习机器学习
一边学习
R
。
数据挖掘
稍微专业些的:
Introduction to Semi-Supervised Learning
半监督学习必读必看的书。
Learning to Rank for Information Retrieval
微软亚院刘铁岩老师关于
LTR
的著作,啥都不说了,推荐!
Learning to Rank for Information Retrieval and Natural Language Processing
李航老师关于
LTR
的
书,也是当时他在微软亚院时候的书,可见微软亚院对
LTR
的研究之深,贡献之大。
推荐系统实践
这本书不用说了,研究推荐系统必须要读的书,而且是第一本要读的书。
Graphical Models, Exponential Families, and Variational Inference
这个是
Jordan
老爷子和他的得意
门徒
Martin J Wainwright
在
Foundation of Machine Learning Research
上的创刊号,可以免费下
载,比较难懂,但是一旦读通了,
graphical model
的相关内容就可以踏平了。
Natural Language Processing with Python NLP
经典,
其实主要是讲
NLTK
这个包,
但是啊,
NLTK
这
个包几乎涵盖了
NLP
的很多内容了啊!
数据挖掘
机器学习教材:
The Elements of Statistical Learning
这本书有对应的中文版:统计学习基础
(
豆瓣
)
。书中配有
R
包,
非常赞!可以参照着代码学习算法。
统计学习方法
李航老师的扛鼎之作,强烈推荐。难易程度:难。
Machine Learning
去年出版的新书,
作者
Kevin Murrphy
教授是机器学习领域中年少有为的代表。
这书
是他的集大成之作,写完之后,就去
了,产学研结合,没有比这个更好的了。
今天的文章数据挖掘的好书_数据挖掘经典书籍分享到此就结束了,感谢您的阅读,如果确实帮到您,您可以动动手指转发给其他人。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/27179.html