一、數(shù)據(jù)挖掘從入門到進階，要看什么書

數(shù)據(jù)挖掘入門的書籍，中文的大體有這些：

Jiawei Han的《數(shù)據(jù)挖掘概念與技術》

Ian H. Witten / Eibe Frank的《數(shù)據(jù)挖掘 實用機器學習技術》

Tom Mitchell的《機器學習》

TOBY SEGARAN的《集體智慧編程》

Anand Rajaraman的《大數(shù)據(jù)》

Pang-Ning Tan的《數(shù)據(jù)挖掘導論》

Matthew A. Russell的《社交網站的數(shù)據(jù)挖掘與分析》

很多人的第一本數(shù)據(jù)挖掘書都是Jiawei Han的《數(shù)據(jù)挖掘概念與技術》，這本書也是我們組老板推薦的入門書（我個人覺得他之所以推薦是因為Han是他的老師）。

其實我個人來說并不是很推薦把這本書。這本書什么都講了，甚至很多書少有涉及的一些點比如OLAP的方面都有涉獵。

但是其實這本書對于初學者不是那么友好的，給人一種教科書的感覺，如果你有大毅力讀完這本書，也只能獲得一些零碎的概念的認識，很難上手實際的項目。

二、在數(shù)據(jù)分析，挖掘方面，有哪些好書值得推薦

深入淺出數(shù)據(jù)分析 (豆瓣) 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。

啤酒與尿布 (豆瓣) 通過案例來說事情，而且是最經典的例子。難易程度：非常易。

數(shù)據(jù)之美 (豆瓣) 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(shù)據(jù)分析的應用領域和做法非常有幫助。難易程度：易。

數(shù)學之美 (豆瓣) 這本書非常棒啦，入門讀起來很不錯！

數(shù)據(jù)分析：

SciPy and NumPy (豆瓣) 這本書可以歸類為數(shù)據(jù)分析書吧，因為numpy和scipy真的是非常強大啊。

Python for Data Analysis (豆瓣) 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！

Bad Data Handbook (豆瓣) 很好玩的書，作者的角度很不同。

適合入門的教程：

集體智慧編程 (豆瓣) 學習數(shù)據(jù)分析、數(shù)據(jù)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(shù)據(jù)挖掘中的算法，淺顯易懂，還有可執(zhí)行的Python代碼。難易程度：中。

Machine Learning in Action (豆瓣) 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(shù)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(zhàn) (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。我?guī)У难芯可腴T必看數(shù)目之一！

Building Machine Learning Systems with Python (豆瓣) 雖然是英文的，但是由于寫得很簡單，比較理解，又有 Python 代碼跟著，輔助理解。

數(shù)據(jù)挖掘導論 (豆瓣) 最近幾年數(shù)據(jù)挖掘教材中比較好的一本書，被美國諸多大學的數(shù)據(jù)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。

Machine Learning for Hackers (豆瓣) 也是通過實例講解機器學習算法，用R實現(xiàn)的，可以一邊學習機器學習一邊學習R。

三、淺析：數(shù)據(jù)挖掘從入門到進階 要看什么書

搜一下：淺析：數(shù)據(jù)挖掘從入門到進階 要看什么書