面向机器学习的特征工程

原文（注册后可阅读）：Feature Engineering for Machine Learning (Early Release)

协议：CC BY-NC-SA 4.0

欢迎任何人参与和完善：一个人可以走的很快，但是一群人却可以走的更远

• 在线阅读
• 在线阅读（Gitee）
• ApacheCN 机器学习交流群 629470233
• ApacheCN 学习资源
• 利用 Python 进行数据分析 第二版

目录

• 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
• 六、降维：使用 PCA 压缩数据集
• 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

负责人

• @飞龙: 562826179

免责声明

ApacheCN 纯粹出于学习目的与个人兴趣翻译本书，不追求任何经济利益。

本译文只供学习研究参考之用，不得用于商业用途。ApacheCN 保留对此版本译文的署名权及其它相关权利。

下载

Docker

docker pull apachecn0/fe4ml-zh
docker run -tid -p <port>:80 apachecn0/fe4ml-zh
# 访问 http://localhost:{port} 查看文档

PYPI

pip install fe4ml-zh
fe4ml-zh <port>
# 访问 http://localhost:{port} 查看文档

NPM

npm install -g fe4ml-zh
fe4ml-zh <port>
# 访问 http://localhost:{port} 查看文档

赞助我们

fe4ml-zh 快速上手指南

本指南旨在帮助开发者快速部署并阅读《面向机器学习的特征工程》中文译本。

环境准备

• 操作系统：Linux、macOS 或 Windows（需安装 Docker Desktop 或 Python/Node.js 环境）
• 前置依赖（任选其一）：
  • Docker：版本 20.10+
  • Python：版本 3.6+，包含 pip 包管理工具
  • Node.js：版本 12+，包含 npm 包管理工具
• 网络建议：国内用户若拉取 Docker 镜像或安装 PyPI/NPM 包较慢，建议配置相应的国内镜像源（如阿里云 Docker 镜像加速器、清华/中科大 PyPI 源、淘宝 NPM 源）。

安装步骤

您可以根据本地环境选择以下任意一种方式进行安装：

方式一：使用 Docker（推荐，环境隔离最干净）

docker pull apachecn0/fe4ml-zh
docker run -tid -p 8080:80 apachecn0/fe4ml-zh

方式二：使用 Python (PYPI)

pip install fe4ml-zh

方式三：使用 Node.js (NPM)

npm install -g fe4ml-zh

基本使用

安装完成后，启动服务并在浏览器中访问文档。

1. 启动服务

• Docker 用户： 已在安装步骤中通过 -p 8080:80 映射端口，服务已自动运行。

• PYPI 用户：

  fe4ml-zh 8080
  

• NPM 用户：

  fe4ml-zh 8080
  

  (注：上述命令中的 8080 为自定义端口，可替换为其他未被占用的端口号)

2. 访问文档

打开浏览器，访问以下地址即可在线阅读全书内容：

http://localhost:8080

您将看到包含引言、数字技巧、文本数据处理、特征缩放、类别特征、降维（PCA）、非线性特征提取及深度学习等完整章节的目录结构。