【世界读书日墙裂推荐】在数据分析、挖掘方面，有哪些好书值得推荐？（下篇）
作者：Demonhunter
来源：知乎
转载自大数据应用的好朋友D神，已作者获得授权。
第二部分：其他技能(Some Other Skills)
这一部分推荐的书，是为那些想成为数据科学家中的超级赛亚人的同学所准备的23333
15. 神经网络与深度学习(Neural Network and Deep Learning)
Make Your Own Neural Network
深度学习炒得火热，但是在认真学习Deep Learning之前，各位巨巨们真的不先尝试下推推公式，然后Python从头自己造一个玩具神经网络玩一玩吗，真的很好玩的！
Deep Learning
这个还有介绍的必要吗（望天）
Deep Learning
Hands-On Machine Learning with Scikit-Learn and TensorFlow
我觉得对于DS老司机们来说，这本书的Sklearn部分可以无视，重点放在后半部分怎么用
TensorFlow玩深度学习。
16. 信息论(Information Theory)
关于信息论在数据科学上的重要性，可以看看这篇文章：
Data Science and Information Theory
Information Theory: A Tutorial Introduction
Information, Entropy, Life and the Universe: What We Know and What We Do Not Know
17. 因果推断(Causal Inference)
关于因果分析的重要性可以看看这个slides:
http://cds.nyu.edu/wp-content/uploads/2014/04/causal-and-data-science-and-BART.pdf
Causal Inference in Statistics: A Primer
Field Experiments: Design, Analysis, and Interpretation
18. 抽样(Sampling)
19. 凸优化(Convex)
Convex Optimization
斯坦福的凸优化，课程在这里：
Convex Optimization
另外这本书的网站给出了免费电子书：
Convex Optimization - Boyd and Vandenberghe
20. 增长分析(Growth Analytics)
Lean Analytics: Use Data to Build a Better Startup Faster (Lean Series)
Web Analytics 2.0: The Art of Online Accountability and Science of Customer Centricity
21. 文本挖掘与自然语言处理(Text Mining And Natural Language Processing)
Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit
Python NLTK的官方指南，有在线版：
Text Analytics with Python: A Practical Real-World Approach to Gaining Actionable Insights from your Data
Introduction to Information Retrieval
斯坦福的信息萃取，有在线电子版
Introduction to Information Retrieval
吴军老师的数学之美。
22. 异常检测(Anomaly Detection)
Fraud Analytics Using Deive, Predictive, and Social Network Techniques: A Guide to Data Science for Fraud Detection
这本书我正在读，不难读，作为Fraud Detection的概述讲得还是挺细的。
Outlier Analysis
23. 推荐系统 (Recommender Systems)
Statistical Methods for Recommender Systems
Recommender Systems: The Textbook
24. 社交网络分析 (Social network analysis)
Network Science
大牛Barabási 今年的力作，关于网络科学的简介。有在线版本，里面的图漂亮得我是跪下了。
Network Science by Albert-László Barabási
Social and Economic Networks
斯坦福教授Matthew O. Jackson的书，在coursera上有这本书的公开课。
Social and Economic Networks: Models and Analysis - Stanford University | Coursera
Social Network Analysis for Startups: Finding connections on the social web
一本用Python做社交网络分析的书。
25. 时间序列预报(Time Series Analysis and Forecasting)
现在很多时间序列的书，重点放在描述时间序列上，所以会大量介绍ARMA和ARIMA。但是我这里想着重强调的是预报（Forecasting）。这里面有一套方法，个人感觉很少被传统统计系的时间序列课程介绍。
Practical Time Series Forecasting with R: A Hands-On Guide
Forecasting: principles and practice
这本书也是有在线版本的，和上面那本书互补。
Forecasting: principles and practice
26. 强化学习与人工智能
Reinforcement Learning: An Introduction
强化学习入门书，有在线版
http://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf
Artificial Intelligence: A Modern Approach
Google的大佬，研究总监Peter Norvig的书
-----------------------分割线-------------------------
第三部分：休闲读物(Casual Reading)
这部分介绍的书，躺在床上看看很不错。
Soft Skills: The software developer's life manual
同软件工程师一样，数据科学家只会写代码和建模是远远不够的。软实力非常非常重要。
The Healthy Programmer: Get Fit, Feel Better, and Keep Coding
身体是革命的本钱，身体搞垮了怎么继续用数据科学改变世界呢？另外数据科学家其实和人打交道的机会通常来说要远远多于软件工程师，在这个看脸看身材的时代，你懂的。
Exposing the Magic of Design
有一个Design Mindset对数据科学家是很加分的哦 ：）
Thinking, Fast and Slow
这本书被大V邹昕推荐过。
Naked Statistics: Stripping the Dread from the Data
可能是你读过最好玩的统计学读物。
Uncertainty: The Soul of Modeling, Probability & Statistics
一本在哲学层面上思考数据科学的书。
---------------------------------
大概先到这里吧，豆瓣link什么的之后再慢慢补。
最后祝大家世界读书日快乐，比心~~~
编辑：Miya_DHR
TECHNICAL WRITER/翻译志愿者
深度讨论数据应用
调研行业发展
对数据应用极为感兴趣
具备数据分析基础
具有一定BUSINESS INSIGHT
写作能力强
感兴趣的同学发送简历及writing sample到，邮件标题“申请翻译/Technical Writer”。
往期文章内容
书单 | 八位跨领域大咖荐书，愿你有精神食粮为伴，永远是少年
哪些必备因素造就了一名优秀数据科学家？
BI要死了吗？
大八卦：Cloudera血淋淋的上市路
Business Analyst 在美国IT界的就业分析
责任编辑：
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。你正在使用的浏览器版本过低，将不能正常浏览和使用知乎。> 博客详情
摘要: 收录了几篇数据分析与挖掘相关案例的文章。
首席工程师揭秘：LinkedIn大数据后台是如何运作的
第一部分：日志是什么
数据库日志
分布式系统日志
变更日志：101 表与事件的二相性
数据集成：两个并发症
事件数据管道
专门的数据系统的爆发
日志结构数据流
在LINKEDIN
与ETL和数据仓库的关系
日志文件和事件
构建可伸缩的日志
年交易额1800亿美元，揭秘PayPal成功背后的三大热门技术
数据挖掘+人工智能，教育定制化下的学霸量产
自适应学习
定制化学习，终身学习
教育捐助与教育投资
预测教学质量
数据分析完善教育体系
人打赏支持
参与源创会
领取时间：
“”在线下联结了各位 OSCer，推广开源项目和理念，很荣幸有你的参与~
领取条件：参与过开源中国“源创会”的 OSCer 可以领取
码字总数 7193
支付宝支付
微信扫码支付
打赏金额: ￥
已支付成功
打赏金额: ￥【深入浅出数据分析】在数据分析、挖掘方面，有哪些好书值得推荐？_牛宝宝文章网【深入浅出数据分析】在数据分析、挖掘方面，有哪些好书值得推荐？专题：网友肖智博对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：更新，由于经常接到私信要求在这个书单之内再推荐两三本，每个人的行业背景也不一样，所以就把下面的书单归类整理一下。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。稍微专业些的：Introduction to Semi-Supervised Learning (豆瓣)半监督学习必读必看的书。Learning to Rank for Information Retrieval (豆瓣)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 (豆瓣)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 (豆瓣)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 (豆瓣)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 (豆瓣)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！机器学习教材：The Elements of Statistical Learning (豆瓣)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 (豆瓣)李航老师的扛鼎之作，强烈推荐。难易程度：难。 Machine Learning (豆瓣)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Google了，产学研结合，没有比这个更好的了。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教材，由于配有代码，所以理解起来比较容易。Pattern Recognition And Machine Learning (豆瓣)经典中的经典。Bayesian Reasoning and Machine Learning (豆瓣)看名字就知道了，彻彻底底的Bayesian学派的书，里面的内容非常多，有一张图将机器学习中设计算法的关系总结了一下，很棒。Probabilistic Graphical Models (豆瓣)鸿篇巨制，这书谁要是读完了告诉我一声。Convex Optimization (豆瓣)凸优化中最好的教材，没有之一了。课程也非常棒，Stephen老师拿着纸一步一步推到，图一点一点画，太棒了。-------------------------------------------------------------------------------------如果你觉得我的答案对你有帮助，可以考虑向我付费：网友Han Hsiao对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：一、引言肖智博已经说得很全面了，再补充一些：）之前回答过这类问题，有兴趣的话建议先看一看：做数据分析不得不看的书有哪些？如何系统地学习数据挖掘？数据挖掘的系统教程是怎样的，包含哪些教材？二、因为问题已经更新到了马年，所以推荐几本2014年刚出的数据科学好书。（网上已经有PDF版可以下载，此处不再给出）《Doing Data Science: Straight Talk from the Frontline》：Doing Data Science (豆瓣)作者之一Rachel Schutt本科在密歇根大学学习数学，同时拥有纽约大学数学硕士学位，以及斯坦福大学工程经济系统和运筹学双硕士学位，美国哥伦比亚大学统计学博士学位，而后在谷歌研究所担任统计学专家。Johnson研究实验室的高级科学家兼创始人之一，目前在哥伦比亚大学讲授“数据科学导论”(Introduction to Data Science)课程。她提出了数据科学家的概念即“计算机科学家、软件工程师和统计学家的混合体。”另一位作者Cathy O’Neil是哈佛大学数学博士，麻省理工学院数学系博士后，目前在华尔街的德劭基金(D.E.Shaw)做quant。（总之是两个大牛XD）本书前面几个章节大致介绍了数据分析法、一些机器学习算法、线性回归和逻辑回归、朴素贝叶斯等等。其中有一些内容需要一些数学基础才能吃透。 第六到十章节是本书的精华，详细介绍了如何利用金融及社交网络中的数据进行数据建模分析，值得反复回味。《Agile Data Science: Building Data Analytics Applications with Hadoop》：Agile Data Science (豆瓣)本书适合刚入行的数据爱好者以及有两三年工作经验数据科学家，作者立志打造一个full-stack解决方案（包括开发框架、运行环境等，有了它无需再下载别的软件）来减少前期在数据准备上必须花费的大量时间。此外书中的一些例子放在了GitHub上，建议一边看书一边DIY。《Fast Data Processing with Spark》：Fast Data Processing with Spark (豆瓣)目前市面上关于Spark的书籍不多，这本120多页的薄书可以当做预热。Spark同Hadoop一样是基于Mapreduce算法实现的分布式计算，不同的是任务的中间输出结果可以保存在内存中无需读写HDFS，所以更加适合需要进行反复迭代的机器学习算法实验。作者Holden Karau曾在亚马逊数据挖掘项目组，目前是一名在谷歌工作的软件研发工程师。以上，有时间再来更新。祝挖掘快乐：）网友卡牌大师对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：我之前写过一个帖子是关于数据分析书籍推荐的这套书籍可以帮助零基础的小伙伴们快速的入门并且学习数据分析我在11月份的时候更新并增加了以下三个领域的书籍：PythonHadoopMysql总共增加了18本高清PDF版本的书籍-----------------------------------------------------------------------------------请仔细看下面的介绍：我将数据分析分为四个主要部分和一个额外部分，请看下图：这是我给所有新人第一次接触数据分析同学的建议。 任何一门知识的学习都是循序渐进，有由简入难。 下面是我针对每一个部分给出的详细书单。在给出书单前我(想说几句：这是我给所有新人第一次接触数据分析同学的建议。 任何一门知识的学习都是循序渐进，有由简入难。 下面是我针对每一个部分给出的详细书单。在给出书单前我(想说几句：书籍大部分都是全英文版本的，只有少量趣味书籍是中文的（因为中文书籍优秀的真的不多）。 至于为什么要用全英文，我会在下面给出一些简单的说明核心篇是最最最最最重要的，你可能需要看两遍，三遍，甚至四遍，五遍。。。在以后的中级或者高级学习中，你还需要不断的回顾核心篇内容！我本人至少看了有10遍，现在有时还是需要回到书本当中翻阅。中级篇当初我首先推荐R。原因很多，我就只说一个：免费为什么要用英文呢？ 我用几句最简单的话来说一下原因（原谅我中文不好，说不出高大上的原因）。请看图：下面请看书单：核心篇新手篇：中级篇:三个部分中级篇:三个部分第一部分： SAS第二部分： SPSS第二部分： SPSS第三部分： R第三部分： R高级篇： 走到这里，实属不容易。原本我想继续推荐书籍，可是我发现当大家真的走到高级这一步的时候，其实已经不需要书籍的引导了。 虽然如此，我还是强烈推荐一本书：又是WIELY 出品，质量不用怀疑。我可以担保，如果你真的能弄清楚这本书上的每一个模块，那么数据挖掘建模你基本上已经搞定了。额外：这是针对网页分析的，我只推荐三本书： 作者Avinash Kaushik,请大家谷歌一下，然后看一下右面的介绍就OK。 文字形容这个家伙都是多余的，曾经来我们学校开讲座的时候，队伍是排到酒吧门口的（校园的酒吧）。书籍远不止这么多。 当然，还有更多经典的书籍值得我们学习，但是每个人的时间是有限的。比如说R，我觉得这方面的资料和书籍你这辈子也看不完， 我推荐的R in action， 大家可以去看看评价（请记住： 我说的是英文）。 我觉得，学完知识最重要的还是要去不断的实践，不断的去思考。书看太多未必是好事，有时会迷失在一个理论里而走不出来，我当初学神经网络，差点把自己搞成神经病！！ 番外篇： 上面所有的书籍我都有高清正版的PDF格式，本来是放在网盘共享的，可是被侵权删除了。 我也试过在某宝上卖过这些书，可是结果是“呵呵”。 很多书籍是我在英国购买或者专有账户下载的，中文书籍可能侵权，但是英文绝对没有侵权！ 本来在欧洲，基本上主流教材都会有高清PDF格式供使用的。电子化书籍是一个大趋势，可是我们国内似乎还没有认识到这一点！我在11月份的时候更新了以下三个领域的书籍：PythonHadoopMysql总共增加了18本高清PDF版本的书籍网友李镇洋对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：网友蒙面大侠对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：个人觉得Pattern Recognition And Machine Learning这本书，绝对是经典中的经典，值得从事有关机器学习研究和应用的朋友们，好好研读网友王继达对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：我理解的数据分析和数据挖掘是50%的技术能力+50%的业务能力，不太清楚LZ的问题是偏业务向还是科研向的，数据分析向还能推荐一些书，数据挖掘向等我修炼好再推荐（希望能比较快）^_^1、谁说菜鸟不会数据分析 (豆瓣)其实EXCEL在工作中还是大杀器，原因是易传承，好传播2、调查研究中的统计分析法 (豆瓣)统计学肯定要了解，统计学书都可以的3、SPSS统计分析精要与实例详解 (豆瓣)SPSS的内容，我是从这本书开始看的，因为这本书每个方法都有案例，可以直接看案例明白理论的作用，再加上 SPSS官方说明文档 基本上就够了4、数据挖掘与数据化运营实战 (豆瓣)ali的专家写的，看了这本书能理解很多方法的适用场景，适用场景和数据解读能力对于业务能力要求很高。5、数据化管理：洞悉零售及电子商务运营 (豆瓣)最近在看这个，感觉很多电商的思路可以用到互联网产品中数据分析、挖掘现在感觉有两个思路，一个是业务分析向，通过数据指标搭建来解构、监控和指导业务；一个是数据挖掘向，通过对于用户行为的分析和挖掘来进行个性化的分析，像个性化推荐、CRM、活动效果评定等等，但是两个方面又互有交融。水平有限，不停修炼不停补充。网友蒙面大侠对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：推荐两本入门了解概念的书：《New Internet:大数据挖掘》 —— 是MS的一位资深专家写的，从算法到工具，再到DM在日志分析、营销邮件、电商、移动等业务中的实际应用，内容有较全面的介绍，语言浅显易懂，作DM领域进门读物很不错。并且在每章节后都有提供本章提到的工具或数据来源，方便学习。《数据挖掘与数据化运营实战:思路、方法、技巧与应用》—— 这是ALi的一位数据专家写的，从书名能看出这本偏运营实践，里面有很多电商方面的实践案例。当然也有几章节概述DM工具和算法，作为入门介绍。网友易铎对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：消费者行为学 （第8版·中国版）推荐这本书，其实没有计算机前就有数据分析和数据挖掘了。套用一句最近比较时髦的话，搞数据分析、数据挖掘要接地气。你分析、挖掘出来的东西，很可能是业务常识，不要过于沉迷于算法。专门搞挖掘算法的是机器学习。网友张李对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：如果要实用而不是学理论的话，《数据仓库工具箱：维度建模的完全指南》《Microsoft数据仓库工具箱》《SQL Server 2008 分析服务从入门到精通》《SQL Server 2008 报表服务从入门到精通》网友张雄对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：集体智慧编程。太优秀了。还有为什么觉得其实到coursera上刷一两门这样的课其实更好，真人讲授比看书爽多了网友蒙面大侠对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：被最高答案私信了，所以共享删除了，虽然整理的书其实来自好几个书单。别找我要网盘了。自己百度吧。网友何史提对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：Bishop, Pattern Recognition and Machine LearningManning, Raghaven, Schutz, Introduction to Information RetrievalJanert, Data Analysis with Open Source ToolsSegaran, Programming Collective IntelligenceHastie, Tibshirani, Friedman, The Elements of Statistical Learning网友江海涛对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：推荐陈哲的"数据分析：企业的贤内助"，读起来有乐趣，案例比较分许，适合初学者网友Louise对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：《数据挖掘技术（第3版）——应用于市场营销、销售与客户关系管理》对做数据分析的从业人员也有帮助，不深网友蒙面大侠对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：/share/link?shareid=&uk=网友weijie li对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：互联网小兵一个， 推荐书籍如下：Python基础：《Python 基础教程》《Python学习手册》《Head First Python中文版》《利用Python进行数据分析》《Python标准库》Linux基础：《鸟哥的Linux私房菜》《Shell脚本学习指南》《Linux Shell脚本攻略》 Linux Shell Scripting Cookbook《Sed与Awk》MySQL：《Mysql必知必会》《高性能Mysql》 《MySQL+Cookbook中文版(第2版)》《MySQL in a Nutshell - 2nd Ed. - Apr.2008》数据挖掘：《数据挖掘概念与手术》韩家炜《机器学习》 Tom M.Mitchell 著 《统计学习方法》《集体智慧编程》《推荐系统实战》《深入搜索引擎》 Ian H. Witten 《这就是搜索引擎》《搜索引擎信息检索实践》《社交网站的数据挖掘与分析》《机器学习 : 实用案例解析》 大数据：《Hadoop权威指南》《大数据 互联网大规模数据挖掘与分布式处理》另外：外国高校的的课件，非常棒。。。。附上学习路线图一张，与点赞的人共勉 呵呵 网友2gua对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：初学者，还是只看一本《数据挖掘导论》吧！！网友Mu Xiaoyu对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：youtube上有一门UBC的课很不错，另外凸优化那本书的作者也有教学视频网友刘一鸣对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：怎么感觉像卖书的软文，第一批的8和10是需要好好研究的。第二批的有一半没看过。主要是越看越觉得偏数学，现在干脆就直接学数学了。数学的教材和资料网上到处都是，coursera，udacity, khan academy 都有很多，mit open course甚至有全套的。如果只是基本应用的话， 可以从第二批的3,10,11入手，3用的是R语言讲的。网友Fred Hu对[深入浅出数据分析]在数据分析、挖掘方面，有哪些好书值得推荐？给出的答复：推荐一本入门书，是之前上数据挖掘时候的教材，看完可以对数据挖掘有个大概认识，了解数据挖掘的分类和一些技术方法和具体算法http://www-users.cs.umn.edu/~kumar/dmbook/index.phpIntroduction to Data MiningPang-Ning Tan, Michigan State University, Michael Steinbach, University of Minnesota Vipin Kumar, University of Minnesota 转载请保留本文连接：分享到：相关文章声明：《【深入浅出数据分析】在数据分析、挖掘方面，有哪些好书值得推荐？》由“羊城晚报”分享发布，如因用户分享而无意侵犯到您的合法权益，请联系我们删除。TA的分享