数据挖掘

简单的来说，就是利用数据分析产生深层次有价值的理解。基于以上各种方式获得的数据，我们可以做最简单的统计分析、用户及品牌理解、用户画像、各品牌或各产品型号之间的关系等等，了解现在和历史并争取预测未来。

1. Introduction to Data Mining 数据挖掘导论

作者：Pang-Ning Tang、Michael Steinbach、Vipin Kumar

这本书全面介绍了数据挖掘的理论和方法，从什么是数据挖掘、什么是数据以及数据预处理的方法，到具体的数据挖掘算法，比如分类、关联分析、聚类、异常检测等，从基本的定义入手，由浅至深地帮助读者透彻地理解数据挖掘的基础。书中使用大量的图表、综合示例、关键算法的简洁描述等，尽可能地直接聚焦于数据挖掘的主要概念。这本书涵盖五个主题：数据、分类、关联分析、聚类和异常检测。除异常检测外，每个主题都包含两章：前面一章讲述基本概念、代表性算法和评估技术，后面一章较深入地讨论高级概念和算法。目的是使读者在透彻地理解数据挖掘基础的同时，还能了解更多重要的高级主题。此外，书中还提供了大量示例、图表和习题。

2.数据挖掘：概念、模型、方法和算法

作者: Mehmed Kantardzic / Kantardzic

这本书非常全面的讲述了数据挖掘的概念、模型、方法和算法。一共包括13章和2个附录，全面、详细地讲述了从数据挖掘的基本概念到数据挖掘的整个过程，以及数据挖掘工具及其典型应用领域。 还讨论了数据挖掘的原理，接着描述了一个具有代表性的艺术级的方法和算法。这些方法和算法起源于不同的学科，如统计学、机器学习、计算机图形学、数据库等。另外，这本书还提供了详细的算法，而且这些算法都带有必要的解释和图形示例。

3.Data Mining: Concepts and Techniques 数据挖掘概念与技术

作者：Jiawei Han、Micheline Kamber、Jian Pei

这本书主要从数据库角度全面系统地介绍了数据挖掘的基本概念、方法、技术以及技术的研究进展，并且重点关注了数据挖掘领域最新的技术和发展，介绍了社会网络挖掘、流数据挖掘和数据立方体计算等最新的研究方法，并探讨了数据挖掘方法在金融等领域的应用。书中引入了许多算法和实现实例，以易于理解的伪代码编写，适用于实际的大规模数据挖掘项目。另外，它结构合理、调理清晰，每一章都针对关键专题有单独的指导，并且只要求读者具备少量的编程经验以及了解基本的数据和统计分析方向的知识。

想要阅读这5本书籍的小伙伴，可以点击技术学派头像-右上角-私信我发送“数据挖掘入门电子书”即可。

分享 IT 技术和行业经验，请关注-技术学派。