宅神們，現在都什么年代了，DT時代了，周末還只顧著在家打游戲嗎？玩物喪志可不受女神的垂青哦。趕快學習起來，早日成為金融才俊，程序專家，讓女神投向你的懷抱！大圣眾包威客平臺為你搜集5本數據挖掘和機器學習必備書籍，愿你早日愿望成真。

Data Miningand Business Analytics with R

接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包

該書是一本講授數據收集、分析方法，并從大量數據中提取有價值信息的功能強大的計算和分析工具書。其采用了R對數據挖掘和業務分析進行針對性的講解，并探索了大型的高維數據集，簡化了開源軟件研發。其向讀者提供了必要的建模指導，以及對復雜的數據的解釋，并講授構了建立強大模型以預測和分類的方法。本書包括的重要主題，如基于罰變量選擇（套索）、Logistic回歸、回歸和分類樹、聚類、主成分和偏最小二乘方法，等等。

這本書面向財務收集和分析、運營管理、市場營銷等領域的數據從業人員，對從事信息科學人員也有參考價值。

2.Reinforcement Learning:An introduction(Adaptive Computation and Machine Learning)

接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包

全書分為三個部分。第一部分定義了馬爾可夫決策過程方面的強化學習問題；第二部分提供了基本的解決方法：動態規劃、蒙特卡羅方法和時間差的學習；第三部分提出了解決方法的統一視圖，并采用人工神經網絡、資格痕跡和規劃。

此書最后兩章，是目前較為先進的案例研究，以助讀者結合實例理解理論。

3.Bayesian Reasoning and Machine Learning

接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包

機器學習，能快速提取大量數據集和適度的資源價值。它們在工業應用里的使用范圍很廣，例如應用到搜索引擎、DNA測序、股票市場分析和機器人運動中。機器學習，必定是一個越來越受關注的領域。

此書是專為應屆畢業生和學者進行線性代數訓練的書籍，從基本的推理框架到先進的模型均涵蓋。通過學習，可以促進讀者開發出技術以提高現實中分析和解決問題的能力。此書每章均包含基于計算機和理論的豐富例子和練習。

4.Gaussian Processes for Machine Learning

接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包

在過去十年中，機器學習越來越多地受到社會的關注，這本書提供了機器學習理論和實踐方法。此書不僅對回歸和分類監督學習問題和應用以詳細的算法進行講解，更從機器學習和統計等知名技術的眾多相關聯處進行了討論，包括支持向量機、神經網絡、曲線、正規化的網絡、相關向量機等。另外，對包括曲線和PAC-貝葉斯框架進行闡述，并與大型數據集學習這幾種近似的方法理論問題進行了討論。

這本書包含說明性的例子和練習，它針對性地面向機器學習領域的研究人員和學生，代碼和數據集都可以在Web上找到參考資料。

5.Introduction to Machine Learning(Adaptive Computation and Machine Learningseries)

接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包接招！一大波數據挖掘和機器學習書籍向你襲來——大圣眾包

機器學習的目標，是使用計算機以數據或過去的經驗為基礎，以解決給定的問題。機器學習的應用程序已廣泛存在，包括分析過去的銷售數據來預測客戶行為、優化機器人的行為，等等。

本書以目前的機器學習問題和解決方案進行統一處理，探討不同的領域，包括統計、模式識別、神經網絡、人工智能、信號處理、控制和數據挖掘。在闡述不同領域的核心優勢的同時，讓讀者能夠深入淺出地理解從書本到實踐的知識。本書涉及的主題包括監督學習、貝葉斯決策理論、參數方法、多元方法、多層感知、局部模型、隱馬爾可夫模型、評估和比較的分類算法，以及強化學習，等等。此書內容豐富，面向對機器學習方法感興趣的工程師讀者群。

逆水行舟，不進則退，為了女神，為了心中的夢想，努力學習吧！