强烈推荐：《机器学习》 (西瓜书)
入门读物： 《深入浅出数据分析》 这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。
《啤酒与尿布》 通过案例来说事情，而且是最经典的例子。难易程度：非常易。
《数据之美》 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。难易程度：易。
《数学之美》 这本书非常棒啦，入门读起来很不错！
数据分析： 《SciPy and NumPy 》 这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。
《 Python for Data Analysis 》) 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强！
适合入门的教程： 《 集体智慧编程 》学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。难易程度：中。
《Machine Learning in Action 》 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。而且有Python代码，大赞！目前中科院的王斌老师已经翻译这本书了
《机器学习实战 》这本书本身质量就很高，王老师的翻译质量也很高。难易程度：中。我带的研究生入门必看数目之一！
《Building Machine Learning Systems with Python 》 虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。
《数据挖掘导论 》 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。难易程度：中上。
稍微专业些的： 《 Introduction to Semi-Supervised Learning 》 半监督学习必读必看的书。
《 Learning to Rank for Information Retrieval 》 微软亚院刘铁岩老师关于LTR的著作，啥都不说了，推荐！
《Learning to Rank for Information Retrieval and Natural Language Processing 》 李航老师关于LTR的书，也是当时他在微软亚院时候的书，可见微软亚院对LTR的研究之深，贡献之大。
《推荐系统实践 》 这本书不用说了，研究推荐系统必须要读的书，而且是第一本要读的书。
《 Natural Language Processing with Python 》 NLP 经典，其实主要是讲 NLTK 这个包，但是啊，NLTK 这个包几乎涵盖了 NLP 的很多内容了啊！
机器学习教材： 《The Elements of Statistical Learning 》 这本书有对应的中文版：统计学习基础 (豆瓣)。书中配有R包，非常赞！可以参照着代码学习算法。 统计学习方法 (豆瓣) 李航老师的扛鼎之作，强烈推荐。难易程度：难。
《Machine Learning 》 去年出版的新书，作者Kevin Murrphy教授是机器学习领域中年少有为的代表。这书是他的集大成之作，写完之后，就去Google了，产学研结合，没有比这个更好的了。
《Machine Learning 》 这书和上面的书不是一本！这书叫：Machine Learning: An Algorithmic Perspective 之前由于配有代码，所以理解起来比较容易。
《 Pattern Recognition And Machine Learning 》经典中的经典。
《Bayesian Reasoning and Machine Learning 》 看名字就知道了，彻彻底底的Bayesian学派的书，里面的内容非常多，有一张图将机器学习中设计算法的关系总结了一下，很棒。
《Convex Optimization 》 凸优化中最好的教材，没有之一了。课程也非常棒，Stephen老师拿着纸一步一步推导，图一点一点画，太棒了