想了解機器學習和數據挖掘，有哪些值得推薦的好書嗎？

如題

拋磚引玉. 了解機器學習和數據挖掘的話, 看的書可以集中在以下三個方面: 數學基礎, 領域入門, 進階知識.

數學基礎: 基本包括線性代數, 概率統計, 優化

Gilbert Strang. Introduction to Linear Algebra. Wellesley Cambridge Press. 2009.
Kaare Petersen and Michael Pedersen. Matrix Cookbook
Trefethen Lloyd and David Bau. Numerical Linear Algebra.
Robert Hogg, Joseoh McKean, and Allen Craig. Introduction to Mathematical Statistics. Seventh Edition. 機械工業出版社. 2012.
Stephen Boyd. Convex Optimization.
Jorge Nocedal and Stephen Wright. Numerical Optimization, 2nd Edition. Springer. 2006.

機器學習入門: 對機器學習有基本了解

吳軍. 數學之美. 第二版. 人民郵電出版社. 2014.
李航. 統計學習方法. 清華大學出版社, 2012.
周志華. 機器學習. 清華大學出版社. 2016.
John Kelleher and Brian Namee. Fundamentals of Machine Learning for Predictive Data Analytics.
Andrew Webb and Keith Copsey. Statistical Pattern Recognition, 3rd Edition.

進階內容: 包括機器學習領域的一些高級內容

Christopher Bishop. Pattern Recognition and Machine Learning. Springer. 2006.
Kevin Murphy. Machine Learning: A Probabilistic Perspective. MIT Press. 2012.
Trevor Hastie, Robert Tibshirani, and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second Edition. Springer. 2009.
Daphne Koller and Nir Friedman. Probabilistic Graphical Models: Principles and Techniques. MIT Press. 2009.
Ian Goodfellow, Aaron Courville, Yoshua Bengio. Deep Learning. Book in preparation for MIT Press. 2015.

數據挖掘:

J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, San Francisco, CA, 2001.
I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations, Morgan Kaufmann, San Francisco, CA, 2000.
D. Hand, H. Mannila, P. Smyth, Principles of Data Mining, MIT Press, Cambridge, CA, 2001.
Aggarwal, Charu C. Data mining: the textbook. Springer, 2015.

此外, 之前有一個對張志華教授的採訪, 裡面也推薦了一些數目, 您也可以一併來搜搜看.

另一方面, 機器學習和數據挖掘方面也有很多很不錯的公開課, 比如但不限於下面列舉的一些:

Andrew Ng. Machine Learning. Coursera. Stanford.
Hsuan-Tien Lin. Machine Learning Foundations. Coursera. National Taiwan University.
Hsuan-Tien Lin. Machine Learning Techniques. Coursera. National Taiwan University.
Andrew Ng. CS229: Machine Learning. Stanford.
Trevor Hastie. Statistical Learning. Stanford.
Jeff Ullman. CS246: Mining Massive Data Sets. Stanford.
Yaser Abu-Mostafa. Learning From Data. edX.
Patrick Winston. 6.034: Artificial Intelligence. MIT.

最後, 做機器學習和數據挖掘光看書是不夠的, 最好是配合一些實際的項目入手, 比如您可以看看Kaggle和天池競賽:

Your Home for Data Science天池大數據競賽_競賽平台_海量數據_演算法

您好！感謝邀請。

了解一本書，《終極演算法》，是本描述機器學習的入門書籍，大眾類型，很通俗，也很有意思。僅供參考。

《終極演算法》的作者是:佩德羅·多明戈斯.中信出版社。

另外，在中國大學MOOC (一個APP) 上有一門北京理工大學 Python機器學習課程(已經結束，可以報名下一次課)。如下圖: