原文：
www.kdnuggets.com/2015/03/free-data-mining-data-science-books-resources.html
下列列表基于 Pedro Martins 编制的列表，但我们添加了书籍作者和年份，按标题字母顺序排序，修正了拼写错误，并移除了失效的链接。描述由 Pedro 提供。
-
《数据科学导论》 由 Jeffrey Stanton 和 Robert De Graaf 编著，2013 年出版。由 Syracuse University 开发的入门级资源。
-
《统计学习导论：R 语言应用》 由 Gareth James、Daniela Witten、Trevor Hastie 和 Robert Tibshirani 编著，2013 年出版。
基于大数据集的统计学习概述。使用 R 编程语言讨论数据的探索性技术。
-
《程序员的数据挖掘指南》 由 Ron Zacharski 编著，2012 年出版。
这是一本从编程角度讲解数据挖掘概念的指南。它提供了若干动手练习题来实践和测试在线书籍中讲授的主题。
-
《贝叶斯推理与机器学习》 由 David Barber 编著，2012 年出版。
重点应用于机器学习算法和过程。它是一个动手操作的资源，非常适合全面吸收书中的知识。
-
《大数据、数据挖掘与机器学习：为商业领袖和从业者创造价值》 由 Jared Dean 编著，2014 年出版。
本资源探讨了大数据的现实及其从市场营销角度的好处。它还解释了如何存储这类数据以及基于数据挖掘和机器学习的处理算法。
-
《数据挖掘与分析：基本概念与算法》 由 Mohammed J. Zaki 和 Wagner Meira, Jr. 编著，《数据挖掘与分析：基本概念与算法》，剑桥大学出版社，2014 年 5 月出版。
一本涵盖数据挖掘探索算法和机器学习过程的优秀书籍。这些解释还结合了一些统计分析。
-
《R 语言的数据挖掘与商业分析》 由 Johannes Ledolter 编著，2013 年出版。
另一本基于 R 的书，描述了所有的过程和实现方法来探索、转换和存储信息。它还关注商业分析的概念。
-
数据挖掘技术：市场营销、销售与客户关系管理 作者：迈克尔·J·A·贝瑞、戈登·S·林诺夫，2004 年。
一本专门针对市场营销和业务管理的数据挖掘书籍，包含了大量实际案例，以帮助理解如何在现实世界中应用这些技术。
-
用 Rattle 和 R 进行数据挖掘：挖掘数据以发现知识的艺术 作者：格雷厄姆·威廉姆斯，2011 年。
这本书的目的是提供大量有关数据操作的信息。它专注于 Rattle 工具包和 R 语言，以演示这些技术的实现。
-
高斯过程与机器学习 作者：卡尔·爱德华·拉斯穆森和克里斯托弗·K·I·威廉姆斯，2006 年。
一本理论性书籍，探讨了基于概率高斯过程的学习算法。涉及监督学习问题，描述了与机器学习相关的模型和解决方案。
-
归纳逻辑编程技术与应用 作者：纳达·拉夫拉克和萨索·德泽罗斯基，1994 年。
一本关于归纳逻辑编程的旧书，包含了大量理论和实践信息，并参考了一些重要工具。
-
信息理论、推理与学习算法 作者：大卫·麦凯，2009 年。
一种有趣的信息理论方法，融合了推理和学习概念。这本书教授了许多数据挖掘技术，揭示了信息理论的关系。
-
机器学习简介 作者：阿姆农·沙舒阿，2008 年。
一本简单但非常重要的书，旨在向每个人介绍机器学习这一主题。
-
机器学习 作者：阿卜杜勒哈米德·梅卢克和阿卜杜奈瑟·谢比拉，2009 年。
一本非常全面的机器学习书籍，涉及了多种特定且非常有用的技术。
-
机器学习、神经网络与统计分类 作者：唐纳德·米奇、戴维·斯皮格尔哈尔特、查尔斯·泰勒，1994 年。
一本关于统计方法、学习技术和其他与机器学习相关的重要问题的经典书籍。
-
一个由维基百科提供的极佳资源，将大量机器学习知识汇集成一本简单但非常有用和完整的指南。
-
大规模数据集挖掘 作者：朱尔·莱斯科维奇、阿南德·拉贾拉曼、杰夫·乌尔曼，2014 年。
本书的重点是提供必要的工具和知识，以管理、操控和处理数据库中的大量信息。
-
《数据建模》 作者：Ben Klemens，2008 年。
本书重点介绍解决应用于数据的分析问题的某些过程。特别是，解释了创建探索大数据集工具的理论。
-
《模式识别与机器学习（信息科学与统计）》 作者：Christopher Bishop，2006 年。
本书从贝叶斯网络的角度向你展示了大量模式识别的内容。许多机器学习概念得到了探讨和举例说明。
-
《概率编程与黑客的贝叶斯方法》 作者：Cam Davidson-Pilon，2013 年。
一本关于贝叶斯网络的书，提供了解决非常复杂问题的能力。还讨论了在 Python 语言上的编程实现。
-
《统计学习要素：数据挖掘、推断与预测，第 2 版》 作者：Trevor Hastie, Robert Tibshirani 和 Jerome Friedman，2009 年。
这是一本从数据挖掘和预测的统计视角出发的概念书籍。也涵盖了许多机器学习主题。
-
《强化学习：导论》 作者：Richard S. Sutton 和 Andrew G. Barto，2015 年。
一种扎实的强化学习主题方法，提供了解决方案方法。还描述了一些非常重要的案例研究。
-
《Think Bayes，贝叶斯统计简明指南》 作者：Allen B. Downey，2013 年。
一种 Python 编程语言的方法来应用贝叶斯统计方法，这些技术被用来解决实际问题和模拟。
个人简介：Pedro Martins 是 Data On Focus 团队的一员，对 IT 相关问题充满兴趣。他二十多岁，来自葡萄牙，具有信息工程背景，对数据挖掘和数据科学充满热情。
相关：
-
《神经网络与深度学习，免费在线书籍（草稿）》
-
《9 本学习数据挖掘和数据分析的免费书籍》
-
新书：《社交媒体挖掘 – 免费 PDF 下载》