数据挖掘如何入门_数据挖掘基础知识_数据挖掘成长之路

从数学的角度谈一下吧：最基本的理解数据挖掘，应该需要最优化，凸分析（这个其实只要一点点），线性代数，统计学，数值计算等（等我想起来了再补充）。老实说，对数学课程的种类不多，范围不大，但是对理解的深度却要求颇高。你不理解欧式空间距离，就没办法理解k临近，你不理解条件概率和最大似然估计就不理解贝叶斯、EM算法，你不理解马尔可夫， 你就不理解隐式马尔可夫，你不理解梯度，就没法理解梯度下降法，你不理解常用的数值算法思路，就没法理解随机梯度下降法。

总而言之，大多数工科学术学习数学的套路：记公式，套题。是不太适合进行深入学习的。数学中有很多公认的直觉性的东西，也许聪明人他没有在专业数学领域学习过，也有这种直觉，但是对于大多数人认为数学很难，也就是因为既没有大量的时间去琢磨数学思维，又没有“天赋”。

对于数据挖掘初学者的建议，就像前面的朋友说的，希望你从少数算法入手，理解意义，code出来，在这个code的过程中，发现自己不理解的，再去查资料，会提升很快。

关键不是数学的哪里，关键是怎么学。工科数学都会学高数，线代，概率统计，数学物理方程，数值算法之类的吧。把这些课程中，原理都弄明白。因为大部分大学生学习数学知识为了应付考试，而应付考试只要记住公式套用就行了，你如果能明白这个公式怎么来的，就能明白后面的机器学习的算法了。

老实讲，如果你本科数学比较牢靠的话，建议看一下优化相关的理论，比如说凸理论。然后直接可以开始看机器学习相关的书了。因为你是数学专业出身，我给你推荐三本书，应该是非常符合数学人的口味的。李航的统计学习方法，李航是日本哪个大学的博士，目前在华为诺亚方舟实验室，这本书讲的浅显易懂，条理清楚，逻辑严密。周志华的机器学习，周志华是南京大学的教授，这本书也非常重理论，非常好，讲的范围要比第一本书大，方法也更新。第三本是PRML，这本书重在用bayes流派的思路解释机器学习，如果基础牢靠，这本书会让你收获非常大，这本书在git上有汉译版，我曾经翻译过两章，直到我在git上找到了汉译版，翻译质量也很不错。