《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
之前给别人也回答过类似的问题，推荐给对方感觉还不错
个人觉得蛮实用的。。。不过翻译的不好，可以看看原版。。。
数据挖掘的经典教材推荐
1、《数据挖掘与知识发现》，作者李雄飞，本书详尽地阐述了数据挖掘与知识发现领域中的一些基本理论和研究方法。介绍了数据挖掘的概念、数据挖掘对象、知识发现过程、研究方法以及相关研究领域和应用范围，可供有关科技人员学习参考；2、《数据挖掘概念与技术》，2007年由机械工业出版社出版的图书，本书全面地...
有哪些数据分析、数据挖掘的书推荐下
6. 推荐系统实践 (豆瓣) 这本书不用说了，研究推荐系统必须要读的书，而且是第一本要读的书。难易程度：中上。7. 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...
数据挖掘从入门到进阶,要看什么书
数据挖掘入门的书籍，中文的大体有这些：Jiawei Han的《数据挖掘概念与技术》Ian H. Witten \/ Eibe Frank的《数据挖掘 实用机器学习技术》Tom Mitchell的《机器学习》TOBY SEGARAN的《集体智慧编程》Anand Rajaraman的《大数据》Pang-Ning Tan的《数据挖掘导论》Matthew A. Russell的《社交网站的数据挖掘与...
在数据分析,挖掘方面,有哪些好书值得推荐
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 Technique...
数据挖掘从入门到进阶 要看什么书?
推荐：Jiawei Han的《数据挖掘概念与技术》、Ian H. Witten 的《数据挖掘实用机器学习技术》、Pang-Ning Tan的《数据挖掘导论》、Matthew A. Russell的《社交网站的数据挖掘与分析》、Anand Rajaraman的《大数据》。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（...
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。《...
求高手推荐学习数据挖掘的方法以及详细的学习过程。
参考书：《大数据：互联网大规模数据挖掘和分布式处理》 王斌 译著。第三阶段：使用Hadoop进行大数据挖掘。Hadoop里面有一个Mahout组件，几乎包括了所有的数据挖掘算法，包括分类、聚类、关联规则等。参考书：Hadoop实战（第二版）.陆嘉恒 著。另外，数据挖掘是数据库技术、人工智能技术、机器学习技术、统计学...
数据挖掘主要涉及到哪些方面的知识?
推荐书籍：《统计学习方法》《机器学习》《机器学习实战》《 UFLDL 》（ 3 ）自然语言处理：掌握常见的方法（ tf-idf ， word2vec ，LDA ）；3. 业务经验 （ 1 ）了解推荐以及计算广告相关知识；推荐书籍：《推荐系统实践》《计算广告》（ 2 ）通过参加数据挖掘竞赛熟悉相关业务场景，常见的比赛有 ...
机器学习,数据挖掘的书有哪些
但瑕不掩瑜，总体而言，这依然是一本初学者理想的入门书籍。在学习完上一本《数据挖掘》后，此时的你将会拥有一些简单的数据分析基础。如果还想更上一层楼，那么周志华老师的这本《机器学习》绝对是不能错过的进阶读本。用一句话来概括周志华老师的这本《机器学习》的话，大概就是“周老师用一万种方法...
数据挖掘需要学什么内容
数据挖掘涉及内容广泛，包括机器学习、数据挖掘、人工智能。《机器学习实战》是一本很好的入门书籍，涵盖了理论与实践，为了解各种知识提供了基础。然而，为了在该领域发展，还需深入学习。例如，在了解回归模型时，需考虑数据清洗、数据规范、数据量、归约与降维、回归模型类型、精确度、过拟合与欠拟合、...
