李航的《統計學習方法》 這本書開篇第一章寫得特別好，各個模型的算法推導也比較全，基本涵蓋了比較經典的判別模型和生成模型。 《機器學習實戰》 這本書代碼和應用特別多，了解python用法和機器學習算法的代碼實現非常方便。 項亮的《推薦系統實踐》 這本書個人感覺偏理論一點，偽代碼 ...

強烈推薦：《機器學習》 (西瓜書) 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 ...

談談數據挖掘和機器學習 又是好長時間沒有寫博客了，最近周末事情太多，明天勞動節終於可以讓我們勞動人民休息一天了。首先聲明的是本人並非數據挖掘和機器學習的高手，只是作為業余興趣剛剛開始研究，據我所知好多朋友也和我一樣對這方面的東西感興趣，個人認為機器人技術是未來發展的方向。雖然我的專業是軟件開發 ...

一、數據挖掘任務 數據挖掘常見的六大任務： 1.分類問題 2.聚類問題 3.回歸問題 4.關聯問題 5.序列問題 6.異常檢測 二、數據挖掘流程 CRISP-DM：跨行業數據挖掘標准流程 ...

目錄 總計（161本） 一、在讀 二、將讀 三、已讀 非專業書單（78本） 四、已讀 專業書單（53本） 五、已看網課（8個） 六、在看網課 七、已聽書籍音頻（6本） 八、干眼專輯（16本） 一個人如果抱着義務的意識去讀書 ...

　　之前自己一直想總結一下國內搞機器學習和數據挖掘的大牛，但是自己太懶了。所以沒搞...最近看到了下面轉載的這篇博文，感覺總結的比較全面了。個人認為，但從整體研究實力來說，機器學習和數據挖掘方向國內最強的地方還是在MSRA，那邊的相關研究小組太多，很多方向都能和數據挖掘扯上邊。這里我再補充幾個相關 ...

　　特征處理是特征工程的核心部分，特征工程是數據分析中最耗時間和精力的一部分工作，它不像算法和模型那樣式確定的步驟，更多的是工程上的經驗和權衡，因此沒有統一的方法，但是sklearn提供了較為完整的特征處理方法，包括數據預處理，特征選擇，降維等。首次接觸到sklearn，通常會被其豐富且方便的算法 ...

的淺顯易懂，推薦初學者讀。李航老師是從統計學的角度分析機器學習算法，書中公式較多，建議有一定基礎的小伙伴閱讀。 ...