AAAMLP-CN

新特性

2023.10.25

• 😎完成全部翻译
• 📝计划对kaggle游乐园系列优秀解决方案代码进行解析

2023.09.07

• ⚡修正部分已知文字错误和代码错误
• 🤗添加在线阅读网站 并提供 EPUB 版本

简介

Abhishek Thakur，很多 kaggler 对他都非常熟悉，2017 年，他在 Linkedin 发表了一篇名为Approaching (Almost) Any Machine Learning Problem的文章，介绍他建立的一个自动的机器学习框架，几乎可以解决任何机器学习问题，这篇文章曾火遍 Kaggle。

Abhishek 在 Kaggle 上的成就：

• Competitions Grandmaster（17 枚金牌，世界排名第 3）
• Kernels Expert （Kagglers 排名前 1％）
• Discussion Grandmaster（65 枚金牌，世界排名第 2）

目前，Abhishek 在挪威 boost 公司担任首席数据科学家的职位，这是一家专门从事会话人工智能的软件公司。

本文对Approaching (Almost) Any Machine Learning Problem进行了中文翻译，由于本人水平有限，且未使用机器翻译，可能有部分言语不通顺或本土化程度不足，也请大家在阅读过程中多提供宝贵意见。另附上书籍原项目地址，转载请一定标明出处！

本项目支持在线阅读，方便您随时随地进行查阅。

因为有几章内容太过基础，所以未进行翻译，详细情况请参照书籍目录：

• 准备环境（已翻译）
• 无监督和有监督学习（已翻译）
• 交叉检验（已翻译）
• 评估指标（已翻译） -
• 组织机器学习（已翻译）
• 处理分类变量（已翻译）
• 特征工程（已翻译）
• 特征选择（已翻译）
• 超参数优化（已翻译）
• 图像分类和分割方法（已翻译）
• 文本分类或回归方法（已翻译）
• 组合和堆叠方法（已翻译）
• 可重复代码和模型方法（已翻译）

我将会把完整的翻译版 Markdown 文件上传到 GitHub，以供大家免费下载和阅读。为了最佳的阅读体验，推荐使用 PDF 格式或是在线阅读进行查看

若您在阅读过程中发现任何错误或不准确之处，非常欢迎通过提交 Issue 或 Pull Request 来协助我进行修正。

如果您觉得这个项目对您有帮助，请不吝给予 Star 或者进行关注。

AAAMLP-CN 快速上手指南

AAAMLP-CN 是 Abhishek Thakur 经典著作《Approaching (Almost) Any Machine Learning Problem》的中文翻译项目，旨在帮助开发者系统掌握机器学习全流程。本项目主要提供文档阅读与代码参考，无需复杂安装即可开始学习。

环境准备

本项目核心内容为 Markdown 文档、PDF 及 EPUB 格式的书籍译文，配套代码基于 Python 生态。

• 操作系统：Windows / macOS / Linux 均可
• 前置依赖：
  • 现代浏览器（推荐 Chrome 或 Edge，用于在线阅读）
  • Python 3.8+（若需运行书中示例代码）
  • 基础机器学习库（运行代码时建议安装）：

    pip install pandas numpy scikit-learn matplotlib seaborn
    

💡 提示：国内用户建议使用清华源或阿里源加速依赖安装：

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

安装步骤

本项目无需传统“安装”，可通过以下三种方式获取内容：

方式一：在线阅读（推荐）

直接访问官方部署的在线站点，无需本地配置：

https://ytzfhqs.github.io/AAAMLP-CN/

方式二：下载电子书

从 GitHub Releases 页面下载 EPUB 版本，导入任意阅读器（如 Calibre、Apple Books）：

https://github.com/ytzfhqs/AAAMLP-CN/releases/download/v1.0.0/AAAMLP.epub

方式三：克隆源码（适合开发者）

如需本地查看 Markdown 源码或运行示例代码，请克隆仓库：

git clone https://github.com/ytzfhqs/AAAMLP-CN.git
cd AAAMLP-CN

🚀 国内加速：若克隆速度较慢，可使用 Gitee 镜像（如有）或通过代理加速，或直接下载 ZIP 包解压。

基本使用

场景一：快速查阅知识点

打开浏览器访问 在线阅读网站，在左侧导航栏选择对应章节（如“特征工程”、“超参数优化”），即可实时阅读中文译文。

场景二：运行示例代码

假设你已克隆项目并安装了依赖，进入包含代码的章节目录（以特征处理为例）：

cd AAAMLP-CN/chapters/06-handling-categorical-variables
python example_code.py

⚠️ 注意：部分章节因内容过于基础未翻译，请参考原书目录确认内容完整性。所有代码均保留英文注释与变量名，确保与原书一致。

场景三：离线阅读

将下载的 AAAMLP.epub 文件传输至手机、平板或电子阅读器，随时随地学习机器学习方法论。

---

📌 贡献与支持：发现翻译错误或代码问题？欢迎提交 Issue 或 Pull Request 至 GitHub 仓库。觉得有用请给予 Star 支持！