特征工程的藝術(shù)：通用技巧與實用案例

定　價：￥89.80

作　者：	[加拿大] 巴勃羅·迪布（Pablo Duboue）著，陳光欣譯
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115588418	出版時間：	2022-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	202	字?jǐn)?shù)：

內(nèi)容簡介

　　特征工程可以修改數(shù)據(jù)特征，更好地捕獲問題本質(zhì)，從而改進(jìn)結(jié)果。這個過程既是一種藝術(shù)，也是技巧和訣竅的一種結(jié)合。本書是一本特征工程實用指南，主要探討如何利用特征工程提升機(jī)器學(xué)習(xí)解決方案的性能。本書從特征工程的基本概念和技術(shù)開始介紹，建立了一種獨特的跨領(lǐng)域方法，通過充分研究案例詳細(xì)介紹了圖數(shù)據(jù)、時間戳數(shù)據(jù)、文本數(shù)據(jù)和圖像數(shù)據(jù)的處理方法，包括分箱、折外估計、特征選擇、數(shù)據(jù)降維和可變長度數(shù)據(jù)編碼等重要主題。

作者簡介

　　巴勃羅.迪布（Pablo Duboue）NLP學(xué)者。2005年博士畢業(yè)于美國哥倫比亞大學(xué)，師從ACL前主席Kathleen McKeown教授，曾是IBM Watson DeepQA團(tuán)隊成員。2016年創(chuàng)辦NLP技術(shù)公司Textualization。他有豐富的教學(xué)經(jīng)驗，是世界多所大學(xué)的訪問教授。

圖書目錄

第一部分基礎(chǔ)知識
第 1章簡介　　2
1．1 特征工程　　4
1．2 模型評價　　8
1．2．1 度量　　8
1．2．2 交叉驗證　　10
1．2．3 過擬合　　11
1．2．4 維數(shù)災(zāi)難　　12
1．3 周期　　12
1．3．1 ML周期　　13
1．3．2 特征工程周期　　15
1．4 分析　　17
1．4．1 探索性數(shù)據(jù)分析　　17
1．4．2 誤差分析　　18
1．5 其他過程　　20
1．5．1 領(lǐng)域建?！　?0
1．5．2 特征構(gòu)建　　22
1．6 討論　　24
1．7 擴(kuò)展學(xué)習(xí)　　26
第 2章特征組合：歸一化、離散化和異常值　　28
2．1 歸一化特征　　29
2．1．1 標(biāo)準(zhǔn)化和去相關(guān)性　　31
2．1．2 平滑　　33
2．1．3 特征加權(quán)　　34
2．2 離散化和分箱　　35
2．2．1 無監(jiān)督離散化　　36
2．2．2 監(jiān)督離散化　　38
2．3 描述性特征　　41
2．3．1 直方圖　　41
2．3．2 其他描述性特征　　43
2．4 處理異常值　　44
2．5 高級技術(shù)　　46
2．6 擴(kuò)展學(xué)習(xí)　　47
第3章特征擴(kuò)展：可計算特征、填充與核技巧　　48
3．1 可計算特征　　49
3．2 填充　　54
3．3 復(fù)雜特征分解　　57
3．4 核操作特征擴(kuò)展　　59
3．5 擴(kuò)展學(xué)習(xí)　　62
第4章特征縮減：特征選擇、降維和嵌入　　64
4．1 特征選擇　　65
4．1．1 度量　　66
4．1．2 組成特征集：搜索與篩選　　73
4．1．3 高級技術(shù)　　75
4．2 正則化與嵌入式特征選擇　　77
4．2．1 L2 正則化：嶺回歸　　78
4．2．2 L1 正則化：LASSO　　78
4．2．3 其他使用嵌入式特征選擇的算法　　79
4．3 數(shù)據(jù)降維　　80
4．3．1 特征哈希　　81
4．3．2 隨機(jī)投影　　82
4．3．3 奇異值分解　　82
4．3．4 隱狄利克雷分配　　83
4．3．5 聚類　　84
4．3．6 其他數(shù)據(jù)降維技術(shù)　　85
4．3．7 嵌入　　86
4．4 擴(kuò)展學(xué)習(xí)　　90
第5章高級主題：可變長度數(shù)據(jù)與自動特征工程　　91
5．1 可變長度特征向量　　91
5．1．1 集合　　91
5．1．2 列表　　92
5．1．3 樹　　94
5．1．4 圖　　96
5．1．5 時間序列　　97
5．2 基于實例的特征工程　　100
5．3 深度學(xué)習(xí)與特征工程　　102
5．4 自動特征工程　　105
5．4．1 特征學(xué)習(xí)　　105
5．4．2 無監(jiān)督特征工程　　108
5．5 擴(kuò)展學(xué)習(xí)　　109
第二部分案例研究
第6章圖數(shù)據(jù)　　113
6．0 本章概述　　115
6．1 WikiCities數(shù)據(jù)集　　116
6．2 探索性數(shù)據(jù)分析　　117
6．3 第一個特征集　　124
6．4 第二個特征集　　130
6．5 最終的特征集　　131
6．6 擴(kuò)展學(xué)習(xí)　　133
第7章時間戳數(shù)據(jù)　　134
7．0 本章概述　　135
7．1 WikiCities：歷史特征　　137
7．2 時間延遲特征　　139
7．2．1 填充時間戳數(shù)據(jù)　　139
7．2．2 第一次特征化：填充二階延遲數(shù)據(jù)　　140
7．2．3 誤差分析　　141
7．3 滑動窗口　　142
7．4 第三次特征化：EMA　　143
7．5 使用歷史數(shù)據(jù)進(jìn)行擴(kuò)展　　143
7．5．1 第四次特征化：擴(kuò)展的數(shù)據(jù)　　144
7．6 時間序列　　145
7．6．1 WikiCountries數(shù)據(jù)集　　145
7．6．2 探索性數(shù)據(jù)分析　　146
7．6．3 第一次特征化：無TS特征　　149
7．6．5 使用模型預(yù)測作為特征　　149
7．6．6 討論　　150
7．7 擴(kuò)展學(xué)習(xí)　　151
第8章文本數(shù)據(jù)　　153
8．0 本章概述　　155
8．1 WikiCities：文本　　156
8．2 探索性數(shù)據(jù)分析　　156
8．3 僅數(shù)值型記號　　159
8．3．1 詞類型與記號　　160
8．3．2 分詞：基礎(chǔ)知識　　160
8．3．3 第一次特征化　　161
8．4 詞袋　　162
8．4．1 分詞　　162
8．4．2 第二次特征化　　163
8．5 停用詞和形態(tài)學(xué)特征　　165
8．5．1 停用詞　　165
8．5．2 分詞：詞干提取　　166
8．5．3 第三次特征化　　166
8．6 上下文特征　　167
8．6．1 二元詞　　168
8．6．2 第四次特征化　　169
8．7 跳躍二元詞與特征哈?！　?69
8．7．1 跳躍二元詞　　169
8．7．2 第五次特征化　　169
8．8 數(shù)據(jù)降維與嵌入　　170
8．8．1 嵌入　　170
8．8．2 特征加權(quán)：TF-IDF　　171
8．8．3 第六次特征化　　172
8．9 結(jié)束語　　172
8．9．1 內(nèi)容擴(kuò)展　　174
8．9．2 文本中的結(jié)構(gòu)　　174
8．10 擴(kuò)展學(xué)習(xí)　　174
第9章圖像數(shù)據(jù)　　175
9．0 本章概述　　176
9．1 WikiCities：衛(wèi)星圖像　　177
9．2 探索性數(shù)據(jù)分析　　178
9．3 像素即特征　　179
9．3．1 第一次特征化　　179
9．3．2 可計算特征：高斯模糊　　180
9．3．3 白化　　182
9．3．4 對變動的誤差分析　　183
9．4 自動數(shù)據(jù)集擴(kuò)展　　183
9．4．1 仿射變換　　184
9．4．2 第二次特征化　　184
9．5 描述性特征：直方圖　　184
9．6 局部特征檢測器：角點　　185
9．6．1 Harris角點檢測　　186
9．6．2 第四次特征化　　186
9．7 數(shù)據(jù)降維：HOG　　187
9．8 結(jié)束語　　189
9．9 擴(kuò)展學(xué)習(xí)　　191
第 10章其他領(lǐng)域：視頻、GIS和偏好　　192
10．1 視頻　　193
10．1．1 數(shù)據(jù)：屏幕錄制　　194
10．1．2 關(guān)鍵幀檢測　　194
10．1．3 目標(biāo)跟蹤：均值漂移　　195
10．1．4 擴(kuò)展學(xué)習(xí)　　197
10．2 地理特征　　197
10．3 偏好　　199
10．3．1 數(shù)據(jù)：Linux核心代碼提交　　200
10．3．2 填充偏好數(shù)據(jù)　　201
10．3．3 擴(kuò)展學(xué)習(xí)　　202