由O'Reilly Media,Inc.出版的《Feature Engineering for Machine Learning》(國內譯做《精通特徵工程》)一書,能夠說是特徵工程的寶典,本文在知名開源apachecn組織翻譯的英文版基礎上,將原文修改爲jupyter notebook格式,並增長和修改了部分代碼,測試所有經過。這個資料能夠說是特徵工程的寶典,值得推薦。git
《Feature Engineering for Machine Learning》由知名開源apachecn組織翻譯,原版英文書能夠在網上試讀(免費讀10天),試讀地址:github
https://www.oreilly.com/library/view/feature-engineering-for/9781491953235/apache
這本書能夠說是特徵工程的寶典,值得推薦。機器學習
本站在獲得apachecn贊成後,對翻譯版本進行了潤色和代碼實現,將原文修改爲jupyter notebook格式,並增長和修改了部分代碼,測試所有經過,同時全部數據集已經放在百度雲下載。ide
翻譯代碼放在數據科學的github倉庫提供下載,倉庫地址:學習
https://github.com/fengdu78/Data-Science-Notes/tree/master/9.feature-engineering測試
備註:本文的翻譯版本與人民郵電出版社出版的《精通特徵工程》有所不一樣,屬於獨立完成。編碼
1、引言翻譯
2、簡單數字的奇特技巧日誌
3、文本數據:展開、過濾和分塊
4、特徵縮放的效果:從詞袋到 TF-IDF
5、類別特徵:機器雞時代的雞蛋計數
6、降維:使用 PCA 壓縮數據集
7、非線性特徵提取和模型堆疊
8、自動化特徵提取器:圖像特徵提取和深度學習
9、回到特徵:將它們放到一塊兒(更新中)
第 1 章從數字數據的基本特徵工程開始:過濾,合併,縮放,日誌轉換和能量轉換以及交互功能。
第 2 章和第 3 章深刻探討了天然文本的特徵工程:bag-of-words,n-gram 和短語檢測。
第 4 章將 tf-idf 做爲特徵縮放的例子,並討論它的工做原理。
第 5 章討論分類變量的高效編碼技術,包括特徵哈希和 bin-counting。
第 6 章中進行主成分分析,咱們深刻機器學習的領域。
第 7 章將 k-means 看做一種特徵化技術,它說明了模型堆疊的有效理論。
第 8 章都是關於圖像的,在特徵提取方面比文本數據更具挑戰性。在得出深度學習是最新圖像特徵提取技術的解釋以前,咱們着眼於兩種手動特徵提取技術 SIFT 和 HOG。
第 9 章中完成了一個端到端示例中的幾種不一樣技術,爲學術論文數據集建立了一個推薦器。
內容截圖
本文將《Feature Engineering for Machine Learning》修改爲jupyter notebook格式,測試所有經過,並提供下載。
翻譯代碼的倉庫地址:
https://github.com/fengdu78/Data-Science-Notes/tree/master/9.feature-engineering
https://www.oreilly.com/library/view/feature-engineering-for/9781491953235/
https://github.com/alicezheng/feature-engineering-book
https://github.com/apachecn/feature-engineering-for-ml-zh