请推荐关于数据分析与挖掘的书

1. 请推荐关于数据分析与挖掘的书

我来给你推荐一本好书吧
《SPSS多元统计分析方法及应用》
清华大学出版社
朱星宇、陈永强主编
这本书为什么好？
他涉及了除神经网络以外的几乎所有数据挖掘方法、模型
给出了十分具体、深入的数学推导、解释
非常详细具体的解释了数据模型的各种结果、参数的数学意义
并且几乎所有模型都给出了实际案例分析
详细的图解，让你可以形象的了解如何操作SPSS软件，每个选项、按钮的意义、会导致什么结果
如果你是市场人士，我推荐你看这本书，它能让你对数据挖掘的理解立体、扎实，有理论还有实践，并且详细到了具体细节、参数意义、输出数据结果的意义，还教给你如何操作软件

2. 有哪些「数据挖掘」和「数据分析」方面的书籍值得推荐

入门读物：
1、 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。 
2、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。 
3、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。
4、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。 
5、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！ 
6、Bad Data Handbook ：很好玩的书，作者的角度很不同。 

适合入门的教程： 
1、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。 
2、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已经翻译这本书了 。
3、机器学习实战 ：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！ 
4、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。 
5、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。 
6、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。

3. 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。

4. 数据分析及挖掘，有什么好书推荐吗？

数据挖掘对于我来说，还不是特别擅长的领域，这里主要推荐数据分析的书籍。


1）入门篇

《深入浅出数据分析》，深入浅出系列，看完这本书，你对数据分析就有了一个大概的认知了。
《谁说菜鸟不会数据分析》，两种，小黄书和小蓝书，讲解了一些常见的业务场景以及分析方法，能够让你对职场有一定了解。
《统计数字会撒谎》，本书浅显易懂，除了让你了解统计真相外，很多东西还是可以借鉴的。


2）进阶篇
《网站分析实战》，网站分析的一本书，里面很多案例和理念还是有一定意义的。
《SQL必知必会》，我的SQL入门书，很薄，看起来很爽，但是能让你对SQL有大概了解。但是，修行在个人，之后SQL还是需要你自己琢磨，比如兼容性问题等。
《深入浅出统计学》，如果要进阶的话，统计学是必不可少的，这本书就是让你快速了解统计学的。
《精益数据分析》，此书将企业分成几个大类，并且介绍了商业模式以及其分析技巧，适合有一定分析能力的人观看。


3）高级篇

《利用Python进行数据分析》，重中之重，如果要学习编程，这本书是良药，区别于外界只讲Python编程知识的数据，这本书主要以数据分析为切入点，对Python技能进行教学。
《商务与经济统计学》，如果要在数据分析领域，生根发芽，这本书一味苦药，耐心看下去，虽然比较枯燥。
《数据分析实战》，结合几个真实案例进行说明数据分析在商业问题的作用，可以让你学会各种数据分析方法。
《机器学习实战》，如果学有余力，研究下机器学习吧，这是未来的方向，如果不想研究，稍微看看就好。

期待你的成长！

5. 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

6. 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。

7. 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

8. 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。