這篇博客主要總結一下數據挖掘、數據分析領域相關書籍，主要參考了知乎上的問題在數據分析、挖掘方面，有哪些好書值得推薦。
首先推薦周志華寫的機器學習。我最近也在讀這本書，優點是適合入門，知識大而全，缺點是每個知識點介紹的不深入（這也沒辦法，要是面面俱到，一本書根本寫不完）。
入門讀物
- 深入淺出數據分析。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。通過案例來說事情，而且是最經典的例子。難易程度：非常易。
- 數據之美。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，對理解數據分析的應用領域和做法非常有幫助。難易程度：易。
- 數學之美。吳軍博士寫的，作為科普讀物還不錯。
數據分析
- SciPy and NumPy。numpy和scipy很好很強大
- Python for Data Analysis。
- Bad Data Handbook。
數據挖掘入門書籍
- 集體智慧編程。經典書籍，入門必讀。
- 機器學習實戰。理論很好，代碼質量一般般。優點是讓你看看如何實現這些算法，缺點是書中的代碼幾乎用不上。
- 數據挖掘導論。研究生期間的教材，通俗易懂，習題很贊。
- Machine Learning for Hackers。算法用R實現。
中階
- Introduction to Semi-Supervised Learning
- Learning to Rank for Information Retrieval
- Learning to Rank for Information Retrieval and Natural Language Processing
- 推薦系統實踐。推薦系統入門首選
- Natural Language Processing with Python。NLP 經典，其實主要是講NLTK包
高階
- The Elements of Statistical Learning。很難，啃完不容易。
- 統計學習方法。李航老師的扛鼎之作，強烈推薦。
- Machine Learning。作者Kevin Murrphy教授是機器學習領域中年少有為的代表。這書是他的集大成之作，寫完之后，就去Google了，產學研結合，沒有比這個更好的了。
- Pattern Recognition And Machine Learning。PRML地位不解釋。
- Bayesian Reasoning and Machine Learning。Bayesian學派的書，里面的內容非常多，有一張圖將機器學習中設計算法的關系總結了一下，很棒。
- Probabilistic Graphical Models。非常非常難。
- Convex Optimization (豆瓣) 凸優化中最好的教材，沒有之一了。
- Learning from data。林軒田老師作品。
寫在后面，看了肖博士的答案，確實比其他答案好不少，專業且全面，而且有針對性。除了書籍，后續我會補充一些公開課資源。