Elements of Statistical Learning 的作者出版了一本新书（2013 年 8 月），面向没有大量数学背景的用户。统计学习简介：在 R 中的应用

目前可以在此处找到本书的免费 PDF 版本。

买了，还没看，

S. Marsland，机器学习：算法视角，Chapman & Hall，2009 年。

然而，评论是有利的，并指出它比其他更深入的 ML 书籍更适合初学者。翻阅这些页面，我觉得这对我有好处，因为我的数学背景很少。

我发现Programming Collective Intelligence是最适合初学者的书，因为作者 Toby Segaran 专注于让中等软件开发人员尽可能快地使用数据黑客技术。

典型章节：清晰地描述了数据问题，然后粗略地解释了算法的工作原理，最后展示了如何通过几行代码创建一些见解。

python的使用可以让一个人很快理解一切（你不需要知道python，说真的，我以前也不知道）。不要认为这本书只专注于创建推荐系统。它还处理文本挖掘/垃圾邮件过滤/优化/聚类/验证等，从而让您对每个数据挖掘器的基本工具有一个清晰的概述。

第 10 章甚至涉及股票市场数据，但重点不是时间序列数据挖掘。也许这本好书的唯一缺点（对你来说）。

E. Alpaydin的机器学习简介（麻省理工学院出版社，2010 年，第 2 版）涵盖了许多主题并带有精美插图（很像 Bishop 的模式识别和机器学习）。

此外，Andrew W. Moore 有一些关于Statistical Data Mining的不错的教程。