有关数据科学中“科学”的书籍？[关闭]

26

关于数据科学背后的科学和数学的书籍是什么？感觉像是很多“数据科学”书籍都是编程教程，没有涉及数据生成过程和统计推断之类的事情。我已经可以编写代码了，我的弱项是我正在做的事情背后的数学/统计/理论。

如果我准备在书本上烧掉1000美元（那么大约10本书...叹气），那我可以买什么？

示例：Agresti的分类数据分析，纵向数据的线性混合模型等...等等...

statistics reference-request

— 安东
source

询问“好”书会吸引基于意见的答案，因此这是不合时宜的。已标记。

— Spacedman 2014年

3

我已经更改了，所以我只是在找书。毫无根据。

— 安东

它的拼写为Statistics :)坚持实用主义，着重于预测而不是推理。这两个统计学习的要素，并介绍统计学习是对大多数人的名单。

— Dirk Eddelbuettel 2014年

我还不能添加评论，但FYI ESL 可以免费在线以pdf格式获得

— idclark 2014年

1

我认为这个问题应该标记为社区Wiki。

— Shagun Sodhani 2015年

21

简介：

深层发掘：

一些特殊的兴趣示例：

更广泛的参考适用于机器学习（不是您真正要求的，而是为了完整性）：

奖励纸：

统计建模：两种文化（不莱曼）

— Def_Os
source

2

+1赠金纸。

— 精彩

13

如果我只能向您推荐一个，那就是：Hastie，Tibshirani和Friedman撰写的《统计学习和预测的要素》。它提供了数据科学中许多常用技术背后的数学/统计信息。

对于贝叶斯技术，由Gelman，Carlin，Stern，Dunson，Vehtari和Rubin进行的贝叶斯数据分析非常出色。

Casella和Berger撰写的《统计推断》是一本很好的研究生级教科书，介绍了统计学的理论基础。这本书确实需要对数学有很高的理解度（概率论是基于测度理论的，理解起来并不容易）。

关于数据生成过程，我没有建议书。我可以说的是，对所用技术的假设有很好的理解，并确保以不违反这些假设的方式收集或生成数据，这对进行良好的分析大有帮助。

— 克里斯托弗·洛登（Christopher Louden）
source

7

其他答案推荐了一整套关于数据科学背后的数学的书。但是正如您所提到的，它不仅包括数据收集和数据推断在内的数学和活动都有自己的规则和理论，即使还不如数学背景那么严格（目前）。

对于这些部分，我建议本书《美丽的数据：优雅的数据解决方案背后的故事》，其中包含二十个案例研究类的章节，这些章节由真正从事现实世界数据分析问题的人们撰写。它不包含任何数学运算，而是探索诸如收集数据，找到在分析中使用数据的实用方法，很好地缩放和选择最佳解决方案的领域。

另一本非常有趣的书是《用数据思考：如何将信息转变为见解》，这也不是技术性的（编程指南），而是涵盖了如何在决策和现实问题中真正利用数据科学力量的重要主题。

— 阿米尔·阿里·阿克巴里（Amir Ali Akbari）
source

7

我喜欢阿米尔·阿里·阿卡巴里（Amir Ali Akbari）的建议，我将补充一些建议，重点关注大多数专注于数学和/或编程的机器学习和数据分析书中未充分涵盖的主题和技能。

数据清理：

贝叶斯数据分析（替代费舍尔式零假设意义检验）：

Kruschke 2011，做贝叶斯数据分析

面对不确定性，不完整，矛盾，模棱两可，不精确，无知等情况的推断：

实验：

模拟：

专家启发，概率估计：

Hubbard 2014，如何衡量一切：发现企业中无形资产的价值

— 先生学
source