数据挖掘：你必须知道的32个经典案例（第2版）

🌹🌹🌹值得反复仔细研究的书。 🌹🌹🌹本书全面介绍了经典数据分析、模式识别、机器学习、深度学习、数据挖掘、商务智能等多个领域的数据分析算法，将大数据时代的数据分析热点技术一网打尽。 🌹🌹🌹本书为每个数据分析算法都搭配了一个经典案例，并按照由易到难的原则构建知识框架，充分照顾了不同水平读者的阅读习惯。

主要定位是相关商业概念，非特别深入。如果有兴趣可以泛读下，相关内容覆盖理论和技术，有涉及但不多。

一般性知识，局部的深浅程度把握不是特别好。

着重介绍算法的应用场景，而非算法原理，尽管有些场景讲的不够细，但仍有一定的参考借鉴意义。

强烈不推荐这本书，翻了一下有以下几个问题： 1. 概念说明模糊且不准确，且存在错误。如在第7.5中的Adaboost章节中，说“典型的强分类器有K均值聚类”，kmeans这种无监督学习方法都变成强分类器了？ 2. 大部分算法没有给出完整算法过程或流程图，算法解释也不清晰。 3. 案例应用是笼统地简单说明，很少可实践细节。 机器学习初学者推荐 《机器学习实战》，《集体智慧编程》，斯坦福大学的CS229等课程，也可以参考李航老师的《统计学习方法》，周志华老师的《机器学习》，邱锡鹏老师的《神经网络与深度学习》，以及 PRML，MLAPP等经典著作。

很实用的一本书，从生活到数据挖掘与分析，从基础到深入，只是囫囵吞枣式读书，只能记住一些比较经典的例子，去买实体书会更好

可以当故事听，就像学高数前，老师会讲些数学家的轶事。对想深入学习的人来讲，故事有些老，算法更新迭代很快，书中的介绍原始而笼统。

很好的科普读物，多种数据分析的手段的应用讲的通俗易懂，如果有点数据分析基础可能更容易理解，作为商业分析专业的学生，用来预习或者串联知识体系，指导实践，启发灵感，很有帮助

作为没有基础的读者，看这些案例就没有任何帮助，各种方法只是在我眼前过了一遍，完全不知道是什么，很难阅读下去。只能说不适合我这类没基础的人群。

写个读书笔记《数据挖掘：你必须知道的32个经典案例》任昱衡 姜斌 李倩兴 我看评论都是说这本书太笼统的，有价值的内容少……但是我觉得这本书还是挺有价值的啊……可能是因为我对于这块之前没有丝毫的了解吧，我觉得看这些实际的例子还是挺好的😂那我就不多班门弄斧的点评了……我觉得前面的东西像Linear Regression，AB test能把这些在统计学到的东西用于数据分析还是挺好的，我也能类比到一些最近在思考的问题。后面的一些降维统计我就不太懂了😩 如果以后有需要的话，请教省长吧