feature-engineering-book

This repo accompanies "Feature Engineering for Machine Learning," by Alice Zheng and Amanda Casari. O'Reilly, 2018.

The repo does not contain the data because we do not have rights to disseminate them. Please follow the URLs given in the book to download the data.

feature-engineering-book 快速上手指南

本仓库是 O'Reilly 出版书籍《Feature Engineering for Machine Learning》（作者：Alice Zheng 和 Amanda Casari）的配套代码资源。

注意：由于版权限制，本仓库不包含数据集。请按照书中提供的 URL 自行下载所需数据，并放置到代码对应的目录中。

环境准备

• 操作系统：Linux、macOS 或 Windows
• Python 版本：建议 Python 3.6 及以上版本
• 前置依赖：
  • pip (Python 包管理工具)
  • 主要依赖库：pandas, numpy, scikit-learn, matplotlib 等（通常通过 requirements 文件安装）

安装步骤

1. 克隆仓库

   git clone https://github.com/oreillymedia/feature-engineering-book.git
   cd feature-engineering-book
   

2. 创建虚拟环境（推荐）

   python -m venv venv
   source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate
   

3. 安装依赖

   如果仓库根目录包含 requirements.txt：

   pip install -r requirements.txt
   

   国内用户加速建议：使用清华或阿里云镜像源加速安装：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   若无 requirements.txt，请手动安装核心库：

   pip install pandas numpy scikit-learn matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
   

4. 准备数据 参照书籍章节指示，下载相应数据集并放入代码脚本指定的文件夹（通常为 data/ 目录）。

基本使用

本书代码按章节组织，每个 .py 文件或 Jupyter Notebook 对应书中的特定特征工程主题。

最简单的使用示例：

假设你要运行第 2 章关于数值特征处理的示例代码（文件名可能为 ch02_numerical_features.py 或类似）：

1. 确保已按书中要求下载好该章节所需数据。

2. 在终端执行：

   python ch02_numerical_features.py
   

   或者如果是 Jupyter Notebook：

   jupyter notebook ch02_numerical_features.ipynb
   

3. 代码将读取本地数据，执行特征转换逻辑，并输出结果或绘制图表。

请根据你正在阅读的书籍章节，进入对应的目录运行相应的脚本文件。