數據挖掘：你必須知道的32個經典案例（第2版）

🌹🌹🌹值得反覆仔細研究的書。 🌹🌹🌹本書全面介紹了經典數據分析、模式識別、機器學習、深度學習、數據挖掘、商務智能等多個領域的數據分析算法，將大數據時代的數據分析熱點技術一網打盡。 🌹🌹🌹本書爲每個數據分析算法都搭配了一個經典案例，並按照由易到難的原則構建知識框架，充分照顧了不同水平讀者的閱讀習慣。

主要定位是相關商業概念，非特別深入。如果有興趣可以泛讀下，相關內容覆蓋理論和技術，有涉及但不多。

一般性知識，局部的深淺程度把握不是特別好。

着重介紹算法的應用場景，而非算法原理，儘管有些場景講的不夠細，但仍有一定的參考借鑑意義。

強烈不推薦這本書，翻了一下有以下幾個問題： 1. 概念說明模糊且不準確，且存在錯誤。如在第7.5中的Adaboost章節中，說“典型的強分類器有K均值聚類”，kmeans這種無監督學習方法都變成強分類器了？ 2. 大部分算法沒有給出完整算法過程或流程圖，算法解釋也不清晰。 3. 案例應用是籠統地簡單說明，很少可實踐細節。 機器學習初學者推薦 《機器學習實戰》，《集體智慧編程》，斯坦福大學的CS229等課程，也可以參考李航老師的《統計學習方法》，周志華老師的《機器學習》，邱錫鵬老師的《神經網絡與深度學習》，以及 PRML，MLAPP等經典著作。

很實用的一本書，從生活到數據挖掘與分析，從基礎到深入，只是囫圇吞棗式讀書，只能記住一些比較經典的例子，去買實體書會更好

可以當故事聽，就像學高數前，老師會講些數學家的軼事。對想深入學習的人來講，故事有些老，算法更新迭代很快，書中的介紹原始而籠統。

很好的科普讀物，多種數據分析的手段的應用講的通俗易懂，如果有點數據分析基礎可能更容易理解，作爲商業分析專業的學生，用來預習或者串聯知識體系，指導實踐，啓發靈感，很有幫助

作爲沒有基礎的讀者，看這些案例就沒有任何幫助，各種方法只是在我眼前過了一遍，完全不知道是什麼，很難閱讀下去。只能說不適合我這類沒基礎的人羣。

寫個讀書筆記《數據挖掘：你必須知道的32個經典案例》任昱衡 姜斌 李倩興 我看評論都是說這本書太籠統的，有價值的內容少……但是我覺得這本書還是挺有價值的啊……可能是因爲我對於這塊之前沒有絲毫的瞭解吧，我覺得看這些實際的例子還是挺好的😂那我就不多班門弄斧的點評了……我覺得前面的東西像Linear Regression，AB test能把這些在統計學到的東西用於數據分析還是挺好的，我也能類比到一些最近在思考的問題。後面的一些降維統計我就不太懂了😩 如果以後有需要的話，請教省長吧