免費試用
banner
大數據平臺>大數據技術與應用>數據挖掘從入門到進階書籍

數據挖掘從入門到進階,要看什么書?

作者: afenxi來源: afenxi時間:2017-04-30 17:33:210

摘要:數據挖掘從入門到進階,經典圖書推薦!

做數據挖掘也有些年頭了,寫這篇文一方面是讓我寫篇文,朋友作為數據挖掘方面的參考,另一方面也是有拋磚引玉之意,希望能夠和一些大牛交流,相互促進,讓大家見笑了。

Q&A:

Q:學習,最近在看集體智慧編程,樓主可否推薦下數學基礎的書?

A:我數學本身也不好 自己也在偷偷補 因為看的不多也不能給出個提綱式的建議 只能給您列下我近期看過和在看的覺得不錯的書 您看做參考吧

1.矩陣方面 Kaare Brandt Petersen的《The Matrix Cookbook》 網易公開課中的《麻省理工公開課:線性代數》

2.概率論與數理統計方面 JohnA.Rice 的《數理統計與數據分析》《統計建模與R軟件》

3.微積分方面 網易公開課中的《麻省理工學院公開課:單變量微積分》

其實您只要有了

1.概率論與數理統計以及其他統計學基礎

2.扎實的線性代數功底

3.微積分(如果能學習下實變函數和泛函分析就更好了)

這幾方面的基礎 基本上機器學習的大部分算法您都具有了其數學基礎

如果您覺得我說的太泛 可以先看看《模式分類》這本書的附錄中的數學基礎 這樣您就大體有個印象了

入門:

數據挖掘入門的書籍,中文的大體有這些:

Jiawei Han的《數據挖掘概念與技術》

Ian H. Witten / Eibe Frank的《數據挖掘 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《大數據》

Pang-Ning Tan的《數據挖掘導論》

Matthew A. Russell的《社交網站的數據挖掘與分析》

很多人的第一本數據挖掘書都是Jiawei Han的《數據挖掘概念與技術》,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。

數據挖掘從入門到進階,要看什么書?-數據分析網

我個人推薦的入門書是這兩本:TOBY SEGARAN的《集體智慧編程》和Ian H. Witten / Eibe Frank的《數據挖掘 實用機器學習技術》

《集體智慧編程》很適合希望了解數據挖掘技術的程序員,這本書講述了數據挖掘里面的很多實用的算法,而且最重要的是其講述的方式不是像Han那種大牛掉書袋的講法,而是從實際的例子入手,輔以python的代碼,讓你很快的就能理解到這種算法能夠應用在哪個實際問題上,并且還能自己上手寫寫代碼。唯一的缺點是不夠深入,基本沒有數學推導,而且不夠全面,內容不夠翔實。不過作為一本入門書這些缺點反而是幫助理解和入門的優點。

推薦的另一本《數據挖掘 實用機器學習技術》則相對上一本書要稍微難一點,不過在容易理解的程度上依然甩Han老師的書幾條街,其作者就是著名的Weka的編寫者。整本書的思想脈絡也是盡可能的由易到難,從簡單的模型入手擴展到現實生活中實際的算法問題,最難能可貴的是書的最后還稍微講了下如何使用weka,這樣大家就能在學習算法之余能夠用weka做做小的實驗,有直觀的認識。

看完上述兩本書后,我覺得大體數據挖掘就算有個初步的了解了。往后再怎么繼續入門,就看個人需求了。

如果是只是想要稍微了解下相關的技術,或者作為業余愛好,則可隨便再看看Anand Rajaraman的《大數據》以及Matthew A. Russell的《社交網站的數據挖掘與分析》。前者是斯坦福的”Web挖掘”這門課程的材料基礎上總結而成。選取了很多數據挖掘里的小點作為展開的,不夠系統,但講的挺好,所以適合有個初步的了解后再看。后者則亦是如此,要注意的是里面很多api因為GFS的緣故不能直接實驗,也是個遺憾

數據挖掘從入門到進階,要看什么書?-數據分析網 數據挖掘從入門到進階,要看什么書?-數據分析網 如果是繼續相關的研究學習,我認為則還需要先過一遍Tom Mitchell的《機器學習》。這本書可以看做是對于十多年前的機器學習的一個綜述,作者簡單明了的講述了很多流行的算法(十年前的),并且對于各個算法的適用點和特點都有詳細的解說,輕快地在一本薄薄的小書里給了大家一個機器學習之旅。

進階:

進階這個話題就難說了,畢竟大家對于進階的理解各有不同,是個仁者見仁的問題。就我個人來說,則建議如下展開:

視頻學習方面:

可以看看斯坦福的《機器學習》這門課程的視頻,最近聽說網易公開課已經全部翻譯了,而且給出了雙語字幕,更加容易學習了^_^

書籍學習方面:

我個人推薦的是這樣:可以先看看李航的《統計學習方法》,這本書著重于數學推導,能讓我們很快的對于一些算法的理解更加深入。有了上面這本書的基礎,就可以開始啃一些經典名著了。

這些名著看的順序可以不分先后,也可以同時學習:

Richard O. Duda的《模式分類》這本書是力薦,很多高校的數據挖掘導論課程的教科書便是這本(也是我的數據挖掘入門書,很有感情的)。如果你不通讀這本書,你會發現在你研究很多問題的時候,甚至一些相對簡單的問題(比如貝葉斯在高斯假設下為什么退化成線性分類器)都要再重新回頭讀這本書。

數據挖掘從入門到進階,要看什么書?-數據分析網

Christopher M. Bishop的《Pattern Recognition And Machine Learning》這本書也是經典巨著,整本書寫的非常清爽。

《The Elements of Statistical Learning》這本書豆友有句很好的吐槽“機器學習 — 從入門到精通”可以作為這本書的副標題。可以看出這本書對于機器學習進階的重要性。值得一說的是這本書雖然有中文版,但是翻譯之爛也甚是有名,聽說是學體育的翻譯的。

Hoppner, Frank的《Guide to Intelligent Data Analysis》這本書相對于上面基本經典巨著并不出名,但是寫的甚好,是knime官網上推薦的,標榜的是解決實際生活中的數據挖掘問題,講述了CRISP-DM標準化流程,每章后面給出了R和knime的應用例子。

項目方面:

事實上,我覺得從進階起就應該上手一些簡單的項目了。如果不實踐只是看書和研究算法,我覺得是無法真正理解數據挖掘的精髓所在的。打個簡單的比方,就算你看完了C++ Primer、effective C++等等書籍,如果自己不寫C++,那么自己也就會停留在hello world的級別。實踐出真知非常切合數據挖掘這門學科,實際上手項目后才會發現什么叫”80%的準備,20%的建模”,real world的問題我認為并不是僅僅靠modeling就能很好的解決的。詳細的可以看看《Guide to Intelligent Data Analysis》就能略知一二。如果上手做推薦或者一些簡單的項目,也可以考慮用用mahout,推薦的入門手冊是《mahout in action》。項目問題說來話長,有時間會以CRISP流程為引單獨作文,這里也就不詳談了。

軟件方面:

我常用而且推薦的軟件有如下,這里只是簡單的列出,以后有時間再詳細分析和寫出入門:

Weka Java的軟件,可以集成到自己的項目中

數據挖掘從入門到進階,要看什么書?-數據分析網 Orange 一個用python寫的數據挖掘開源軟件,界面做的很漂亮,可以做圖形化實驗,也可以用python調用編程。

Knime 和Orange類似,特點是可以集成weka和R等開源軟件

SAS的EM模塊以及R 還有最最經典的matlab大大

這里有篇文有簡要的介紹http://www.oschina.net/question/12_14026

再往后:

再往后的其實就是我就是覺得是學數學了,然后就是深入讀一些你感興趣的topic的書籍和paper,接項目,做項目了。發展有數據分析師或者去專門的企業做數據研究員,當然混學術界的我就不清楚了。

初略寫完發現成一篇長文了,最近也是在做一個用眼底照片預測stroke的項目,比較忙,等閑下來以后也會寫些算法或者軟件或者實際項目的心得的文。當然也只是我個人粗淺的想法,也希望能和大家有所交流,相互促進,[email protected],有什么問題可以再帖子里討論,也可郵件交流^_^

來自:懶惰啊我的cnblogs博客

鏈接:http://www.cnblogs.com/flclain/archive/2012/12/22/2829317.html

banner
看過還想看
可能還想看
熱點推薦
Yonghong的價值觀:以卓越的數據技術為客戶創造價值,實現客戶成功。