【2018新翻译书】《特征工程》机器学习

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这个是github上最新翻译的《面向机器学习的特征工程》
主要内容如下：
[td]

标题
一、引言
二、简单数字的奇特技巧
三、文本数据：展开、过滤和分块
四、特征缩放的效果：从词袋到 TF-IDF
五、类别特征：机器鸡时代的鸡蛋计数
七、非线性特征提取和模型堆叠
八、自动化特征提取器：图像特征提取和深度学习
九、回到特征：将它们放到一起
附录、线性模型和线性代数基础

这个是他们翻译过来的，


github网站：https://github.com/apachecn/feature-engineering-for-ml-zh

希望可以帮助到大家（不需要下载任何东西，可以在线看）
概括提示

作者建议本书中的插图最好以彩色显示。真的，你应该在第 7 章中打印出彩色版本的“瑞士卷”，然后粘贴到你的书中。你的审美意识会感谢我们。

特征工程是一个广泛的话题，每天都在发明更多的方法，特别是在自动特征学习方面。为了将本书的范围限制在一个可管理的大小，我们不得不做一些削减。本书没有讨论音频数据的傅里叶分析，但它是一个与线性代数中的特征分析密切相关的美丽主题（我们在第 4 章和第 6 章中会介绍）。我们也忽略了与傅立叶分析密切相关的随机特征的讨论。我们通过对图像数据的深度学习来介绍特征学习，但不会深入到积极开发中的众多深度学习模型中。超出范围的还有先进的研究思路，如随机投影，复杂文本特征模型（如 word2vec 和 Brown 聚类）以及潜在空间模型（如潜在狄利克雷分析和矩阵分解）。如果这些话对你来说毫无意义，那么你很幸运。如果特征学习的前沿是你的兴趣所在，那么这可能不是为你准备的书。

本书假设掌握了基本机器学习概念的知识，例如“什么是模型”和“什么是矢量”。它并不要求掌握了数学或统计学。线性代数，概率分布和优化的经验是有帮助的，但不是必需的。

如果觉得不错希望大家在这个下面留个言哦

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏26 回帖

关键词：机器学习 Engineering engineerin Engineer Sherlock python 机器学习

Feature Engineering for Machine Learning_ Principles and Techniques for Data Sci.pdf (3.92 MB, 需要: 10 个论坛币)

2018-10-5 16:13:32 上传

需要: 10 个论坛币  [购买]

谢谢分享

谢谢分享

谢谢分享

谢谢分享

谢谢分享

齐物论pi 发表于 2018-10-5 15:56
这个是github上最新翻译的《面向机器学习的特征工程》
主要内容如下：
[/tr]

支持一下

谢楼主。

jiaminZ 发表于 2018-10-5 21:53
支持一下

可以加QQ群互相交流：347947372