数据挖掘的电子书合集，内容挺丰富，基础理论、实用方法、英文原版书都有，挺适合入门和进阶的朋友。你可以找到像分类、聚类、关联规则这些常见的数据挖掘任务，讲得还比较实在。

数据挖掘的基础任务像分类，简单说就是把东西分对类，比如预测邮件是不是垃圾邮件。还有聚类，嗯，就是自动帮你把相似的数据分到一块儿，像用户分群啥的，挺实用的。

关联规则也挺有意思，能挖掘出“买了啤酒也会买薯片”这种隐藏的小规律。哦，购物篮就是这个，做电商推荐还挺香的。还可以看看序列模式挖掘，适合事件发生的先后顺序，比如用户操作路径。

前期的数据预也别小看，像数据清洗，掉脏数据，或者数据转换，比如做个归一化，这些都能帮你后面的跑得更顺。用min-max scaling方法蛮常见的。

书里会讲监督学习和无监督学习，简单说，有标签的数据就用监督学习，像决策树、随机森林。没标签的，用无监督，像K-means、DBSCAN。这些算法在里面都有，讲得还挺细。

英文原版书也挺推荐的，讲得系统，例子也多，跟着国际上最新的玩法走，挺能开眼的。哦，建议你边看边用真实数据练习，像UCI公开数据集，动手多了才有感觉。

如果你对关联规则感兴趣，可以看看机器学习中的关联规则挖掘算法，讲得比较实用。还有聚类与距离度量，帮你搞清楚怎么分群更合理，挺有参考价值的。