總結一下我讀過的機器學習/數據挖掘/數據分析方面的書，有的適合入門，有的適合進階，沒有按照層次排列，先總結一下，等總結的差不多了再根據入門--->進階分塊寫。下面列的書基本上我寫的都是讀完過的，不然不敢寫，怕誤人子弟 = =，持續更新ing~
數據分析
實習的時候只會Matlab，公司小，沒錢買正版，所以領導要我兩星期把R學會，當時看的有這些書
1.R語言實戰
評價：很好的入門書，從安裝、入門、基本的統計分析，作圖命令，以及常見的分類、迴歸、降維等方法都有寫
推薦指數：五顆星
評價：專門用R語言寫的數據分析的書，掌握R的基礎後可以看看，側重數據分析的基本方法，介紹了一些常見的分析方法，比較基礎。
推薦指數：四星半
3.探索性數據分析
評價：外國人寫的書，但是翻譯真的太爛了。而且內容其實沒什麼乾貨啊，關於分位數、展布等這些概念直接找本統計學的教材看看吧。
推薦指數：三顆星
4.R語言編程藝術
評價：在圖書館意外發現了這本好書，對於R中的數據結構和性能提升講的不錯。
推薦指數：四顆星
評價：這本書是pandas模塊的作者寫的書，一句話總結：Pandas使用手冊。如果用Python做數據分析，基本上Pandas是必不可少的包。
推薦指數：四顆星
數據挖掘/機器學習
評價：和上面的“數據分析-R語言實戰”好像是一個系列的，基本上常見的數據挖掘方法都介紹了，有理論有實例，適合入門。
推薦指數：四顆星
評價：入門書，理論多，好像是很多研究生學數據挖掘的教材，很詳細，孟小峯老師的翻譯還是不錯的，相對很多翻譯很爛的還是可以的。
推薦指數：四顆星
6.機器學習實戰
評價：Python寫的，沒有Python基礎的話還是先學學Python吧，基本上都是實例爲主，代碼很詳細，講的也很通俗易懂，github上可以下載代碼
推薦指數：五顆星
7.集體智慧編程
評價：和機器學習實戰一起看的，也基本上都是實例，翻譯的也可以，比“探索性數據分析”的翻譯好多了！！有代碼，可以實操，基本上真正掌握了可以應對一般的數據挖掘的需求了。
推薦指數：五顆星
8.統計學習方法
評價：李航博士寫的機器學習常見算法的數學推導，講的算是比較詳細了，對於有數學基礎的還是很好理解的，如果沒有數學基礎，可以先看看數分高代凸優化之類的書再看。適合有一定基礎的學習。
推薦指數：五顆星
9.推薦系統實戰
評價：看名字就知道是講推薦系統的，對於不知道推薦系統是啥的可以好好看看，看完基本上了解推薦系統的大概框架和流程，也有一些例子，但是每個例子以及理論都講的很淺，沒有深入，只適合入門。
推薦指數：四顆星
10.數據挖掘導論
評價：實習的同事本科時上課的教材，也是一部大巨頭啊，外國人寫的書，很通俗易懂，非常非常詳細。
推薦指數：四顆星
今天先寫到這兒吧，基本上都是一些入門書，還有一些在印象筆記裏，回去再總結。下次寫看過的hadoop/Python/Spark的書，以及一些比較不錯的論文。
#--------------------------------------------------------------4.12更新--------------------------------------------------------------
11.Spark快速大數據分析
評價：8.4/10,很薄的一本書，主要介紹的Spark的基本語法命令之類的，適合快速入門，Learning Spark的中文版
推薦指數：五顆星
12.Spark高級數據分析
評價：豆瓣上評價很少，但是我買回來看了以後發現還是不錯的，基本上從分類，聚類，推薦，徵信這幾塊都有實例講解，比較詳細，看的也很快，上手不錯。
推薦指數：五顆星
13.Hadoop權威指南
評價：7.8/10,很厚，Hadoop講的很深，不太適合入門，適合做數據倉庫的人看，數據挖掘的可以先看看hadoop實戰
推薦指數：三顆星
14.Hadoop實戰
評價：7.0/10,我看的是國內的一個教授寫的，並不是“Hadoop in anction”的中文譯本，這個寫的很淺，適合入門，但是感覺還是Hadoop in action 寫的好一些
推薦指數：三星半
15.Hive編程指南
評價：7.4/10 ，講Hive操作的，講真，如果真的只想瞭解下hive怎麼操作，可以不用看這本書，直接去搜一下hive編程命令集合就可以了，這本書比較適合ETL的人，如果只是數據挖掘入門入門的話可以暫時先不用看這本書。但是書本身講的還是很好的
推薦指數：四顆星
16.R語言與網站分析
評價：7.4/10，本來只是去國圖偶然看到的一本書，但是看了幾章後覺得講的挺清晰，而且後面的實例講的挺好的，就去亞馬遜上買了kindle電子書，關聯規則和社羣分析講的都挺不錯的，看的特別快。
推薦指數：四顆星
17.R的極客理想工具篇
評價：7.5/10，作者是張丹，最開始是關注他的博客，寫的很清晰，步驟也很明確，對於學習R的人來說是個不錯的學習地方。這本書後面幾張講的主要是R的性能、以及數據庫、hadoop、hive結合起來做的方法，值得一看。
推薦指數：四顆星
18.Mysql必知必會
評價：8.4/10，不多說，入門Mysql必讀書，很薄的一本小冊子。
推薦指數：五顆星
19.高性能MySQL
評價：8.7/10,專業級的MySQL書籍，適合進階，但是中文翻譯很爛，買英文版英文版英文版
推薦指數：兩顆星（還有三顆星給了英文版）
19.凸優化
評價：9.4/10，很好的教材，而且很全，之前上數值分析這門課學的很多內容都包含在裏面了，機器學習的很多概念也可以在裏面找到，讀完可以讓你更深入的理解機器學習，而不是僅僅只會套用包。
推薦指數：五顆星！！
20.Pattern Recognition and Machine Learning
評價：9.6/10，PRML是機器學習的經典教材啊，非常值得看！有人翻譯了中文版的，如果需要的話可以留言我把鏈接發出來~
推薦指數：五顆星
22.統計自然語言處理
評價：8.8/10，做自然語言處理的入門書，書很厚，但是講的很多概念性的東西，卻一點也不覺得枯燥，唯一的缺點就是，大概因爲是經典教材類的書，所以實例比較少，有點像綜述，大而全，如果想實戰，可以看看Python寫的一本自然語言處理的書，nltk，忘記叫啥名了，想起來了貼上來（評論裏有人補充了，貼一個，Natural Language Processing with Python）
推薦指數：四顆星
再推薦幾本科普書，業餘可以看看提升下興趣
1.從0到1
2.大數據時代
3.浪潮之巔
4.數學之美
5.數據之巔
還有其他的暫時想不起來了，下次再更新~
#--------------------------------------------------------------4.19更新--------------------------------------------------------------
23.機器學習
評價：上次居然忘了寫這本書，周志華老師的新書，公式推導很詳細，豆瓣評分9.2，周老師在講數據挖掘的算法之前先講了如何評估算法的效果與選擇，可以宏觀的瞭解機器學習一些基礎知識，在之後學習算法的時候對於它們的適用場景也會有個大概的瞭解。作者的思路很清晰，強烈推薦啊！！
推薦指數：五顆星