前段时间发现apachecn在github上翻译了一本和特征工程相关的书籍:《Feature Engineering for Machine Learning》,中文名为《面向机器学习的特征工程》。项目地址:
https://github.com/apachecn/fe4ml-zh
这本书包含了特征工程中的数字处理技巧、文本数据处理方式、特征缩放、类别特征、降维、非线性特征提取、自动化特征提取等方面,非常适合初学者。

书籍简介
特征工程对于应用机器学习来说是基础的,但是使用域知识来加强你的预测模型既困难成本又高。为了弥补特征工程现有资料的不足,本书将会为初中级数据科学家讲解如何处理这项广泛应用却鲜见讨论的技术。
作者介绍
Alice是一家位于西雅图的提供可扩展数据分析工具的创业公司GraphLab的数据科学部门的负责人。Alice喜欢处理数据,以方便他人能够使用数据。她是一名在机器学习领域的工具开发者和专家。她的研究领域有软件诊断、计算机网络安全以及社会网络分析。在加入GraphLab之前,她作为一名研究院就职于在Redmond的微软研究院。她拥有数学专业的文学学士学位以及计算机科学的博士学位,两者皆获得与加州大学伯克利分校。
目录

中文版HTML
中文版的HTML格式如下,左侧为目录,右侧为具体内容,可以点击左侧目录跳转到对应的正文内容,非常方便。
长按扫码关注:磐创AI,后台回复FEML(建议复制)即可获得百度网盘地址。
磐创AI
原文始发于微信公众号(磐创AI):资源分享 |《面向机器学习的特征工程》
原创文章,作者:pytorch,如若转载,请注明出处:https://pytorchchina.com/2020/02/06/0353d9b26d/