在数据分析，挖掘方面，有哪些好书值得推荐

1. 在数据分析，挖掘方面，有哪些好书值得推荐

数据分析——《深入浅出数据分析》《数据分析：企业的贤内助》

数据挖掘——《数据挖掘概念和技术》

下边三本是英文版：
(1) J. Han and M. Kamber, Data Mining: Concepts and Techniques.
   本书从数据库角度看待数据挖掘，强调效率（Efficiency）。按照本书观点，数据挖掘是从存储在数据库、数据仓库或者其他信息库中的大量数据中发现知识的过程。
(2) I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques.
   本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
(3) D. Hand, H.Mannila and P. Smith, Principle of Data Mining.
   本书从统计学的角度看待数据挖掘，因为统计学是一门数学，所以本书强调数学上的正确性(Validity)。按照本书观点，数据挖掘是分析（往往是大量的）数据集以找到未曾预料的关系，并以可理解又有用的新颖方式呈现给数据用户的过程。


sc-cpda  数据分析公众交流平台   详细查看我资料

2. 在数据分析，挖掘方面，有哪些好书值得推荐

深入浅出数据分析 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 这本书非常棒啦，入门读起来很不错！

数据分析：
SciPy and NumPy (豆瓣) 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 (豆瓣) 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 (豆瓣) 很好玩的书，作者的角度很不同。

适合入门的教程：
集体智慧编程 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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。

3. 在数据分析，挖掘方面，有哪些好书值得推荐

数据分析：
《深入浅出数据分析》
《数据分析：企业的贤内助》

数据挖掘：
1、《数据挖掘概念和技术》，作者：（加）韩家炜，堪博　著，范明，孟小峰　译，机械工业出版社
2、数据挖掘导论，[美]Pang-Ning Tan，Michael Steinbach，Vipin Kumar 著，译者： 范明 范宏建，人民邮电出版社



下边三本是英文版：
(1) J. Han and M. Kamber, Data Mining: Concepts and Techniques.
   本书从数据库角度看待数据挖掘，强调效率（Efficiency）。按照本书观点，数据挖掘是从存储在数据库、数据仓库或者其他信息库中的大量数据中发现知识的过程。
(2) I.H. Written and E.Frank. Data Mining: Practical Machine Learnings and Techniques.
   本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
(3) D. Hand, H.Mannila and P. Smith, Principle of Data Mining.
   本书从统计学的角度看待数据挖掘，因为统计学是一门数学，所以本书强调数学上的正确性(Validity)。按照本书观点，数据挖掘是分析（往往是大量的）数据集以找到未曾预料的关系，并以可理解又有用的新颖方式呈现给数据用户的过程。



sc-cpda  数据分析公众交流平台   详细查看我资料

4. 在数据分析，挖掘方面，有哪些好书值得推荐

深入浅出数据分析 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 这本书非常棒啦，入门读起来很不错！

数据分析：
SciPy and NumPy (豆瓣) 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 (豆瓣) 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 (豆瓣) 很好玩的书，作者的角度很不同。

适合入门的教程：
集体智慧编程 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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。

5. 在数据分析，挖掘方面，有哪些好书值得推荐

大数据入门读物：
《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。
《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。


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。

6. 在数据分析，挖掘方面，有哪些好书值得推荐

入门读物：

深入浅出数据分析 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 这本书非常棒啦，入门读起来很不错！

数据分析：

SciPy and NumPy (豆瓣) 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 (豆瓣) 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 (豆瓣) 很好玩的书，作者的角度很不同。
适合入门的教程：

集体智慧编程 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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 (豆瓣) 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。

7. 在数据分析、挖掘方面，有哪些好书值得推荐

一 I.H. Written and E.Frank. Data Mining:Practical Machine Learnings and Techniques.
本书从机器学习角度看待数据挖掘，强调有效(Effectiveness)。按照这本书的观点，数据挖掘是从数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
二 Pang-Ning Tan, Vipin Kumar etc. Introduction to Data Mining 国内目前有翻译版
这是我现在觉得最好的数据挖掘教材。关于分类、关联规则、聚类每一主题都分两章来讲述:第一章讲基本部分，第二章讲高级部分，让人由浅入深。另有单独的一章介绍异常检测。本书的第一作者是物理背景出身，所以讲解很重视对于算法的理解（优缺点与适用范围等)。本书能找到PDF版完整的习题答案，非常适合于自学。
三 David Hand的《数据挖掘原理》
作者是一名统计学家，所以里面会涉及到数据挖掘相对于统计的独特之处的内容，非常有价值；另外，本书以约化主义的观点来看待数据挖掘算法，认为有了数据集与明确的数据挖掘任务，数据挖掘算法可以看成是{模型结构、评分函数、搜索方法、数据管理技术}的四元组，然后逐一来讲解每一数据挖掘算法组件，让人觉得清楚明了。本书的第二章“测量与数据”也是很有价值的，因为我们虽然通过数据来做推断，但是数据是通过测量理论与事实(Reality)相联系的。

8. 在数据分析、挖掘方面，有哪些好书值得推荐？

数据挖掘方面的书有点杂乱，个人推荐 《数据挖掘概念与技术》， [加]JiaweiHan编写。这本书可以帮助你系统的了解一下数据挖掘技术，不是很深入。
如果想更深一步学习数据挖掘算法，应该多读一些机器学习方面的书籍，这方面的书籍有很多，可以根据自己的喜好选择几本看看，例如 《机器学习》，[美]Tom Mitchell编写。如果看到不懂的知识，应该以统计学书籍作为补充。
理论知识学好后，理论到实践就要借助工具了，根据实际需要解决的问题建好模型后，也就是编程coding的工作了。有一些数据挖掘工具，基于Java的Weka (这个也是出了书的 《Data Mining: Practical Machine Learning Tools and Techniques (Third Edition)》，Ian H. Witten等编著)，基于Python的Orange等等，这些也可以根据自己的需要做扩展。不过最灵活的还是自己熟练掌握几门编程语言，开始自己coding。效率高的话还是C/C++，做科研Python足够了，有丰富的库和社区支持。我也看到过很多用Matlab做数据挖掘的，还是那句话，编程语言只是工具，效率高不高也不是只取决于编程语言的选择。