特徵工程的藝術:通用技巧與實用案例 The Art of Feature Engineering: Essentials for Machine Learning

[加拿大]巴勃羅·迪布(Pablo Duboue)

  • 特徵工程的藝術:通用技巧與實用案例-preview-1
  • 特徵工程的藝術:通用技巧與實用案例-preview-2
特徵工程的藝術:通用技巧與實用案例-preview-1

買這商品的人也買了...

相關主題

商品描述

特徵工程可以修改數據特徵,更好地捕獲問題本質,從而改進結果。這個過程既是一種藝術,也是技巧和訣竅的一種結合。本書是一本特徵工程實用指南,主要探討如何利用特徵工程提升機器學習解決方案的性能。本書從特徵工程的基本概念和技術開始介紹,建立了一種特殊的跨領域方法,通過充分研究案例詳細介紹了圖數據、時間戳數據、文本數據和圖像數據的處理方法,包括分箱、折外估計、特徵選擇、數據降維和可變長度數據編碼等重要主題。

作者簡介

巴勃罗·迪布(Pablo Duboue)

NLP学者。2005年博士毕业于美国哥伦比亚大学,师从ACL前主席Kathleen McKeown教授,曾是IBM Watson DeepQA团队成员。2016年创办NLP技术公司Textualization。他有丰富的教学经验,是世界多所大学的访问教授。

目錄大綱

第 一部分 基礎知識

第 1章 簡介  2

1.1 特徵工程  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 維數災難  12

1.3 周期  12

1.3.1 ML周期  13

1.3.2 特徵工程周期  15

1.4 分析  17

1.4.1 探索性數據分析  17

1.4.2 誤差分析  18

1.5 其他過程  20

1.5.1 領域建模  20

1.5.2 特徵構建  22

1.6 討論  24

1.7 擴展學習  26

第 2章 特徵組合:歸一化、離散化和異常值  28

2.1 歸一化特徵  29

2.1.1 標準化和去相關性  31

2.1.2 平滑  33

2.1.3 特徵加權  34

2.2 離散化和分箱  35

2.2.1 無監督離散化  36

2.2.2 監督離散化  38

2.3 描述性特徵  41

2.3.1 直方圖  41

2.3.2 其他描述性特徵  43

2.4 處理異常值  44

2.5 高級技術  46

2.6 擴展學習  47

第3章 特徵擴展:可計算特徵、填充與核技巧  48

3.1 可計算特徵  49

3.2 填充  54

3.3 復雜特徵分解  57

3.4 核操作特徵擴展  59

3.5 擴展學習  62

第4章 特徵縮減:特徵選擇、降維和嵌入  64

4.1 特徵選擇  65

4.1.1 度量  66

4.1.2 組成特徵集:搜索與篩選  73

4.1.3 高級技術  75

4.2 正則化與嵌入式特徵選擇  77

4.2.1 L2 正則化:嶺回歸  78

4.2.2 L1 正則化:LASSO  78

4.2.3 其他使用嵌入式特徵選擇的算法  79

4.3 數據降維  80

4.3.1 特徵哈希  81

4.3.2 隨機投影  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 其他數據降維技術  85

4.3.7 嵌入  86

4.4 擴展學習  90

第5章 高級主題:可變長度數據與自動特徵工程  91

5.1 可變長度特徵向量  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 基於實例的特徵工程  100

5.3 深度學習與特徵工程  102

5.4 自動特徵工程  105

5.4.1 特徵學習  105

5.4.2 無監督特徵工程  108

5.5 擴展學習  109

第二部分 案例研究

第6章 圖數據  113

6.0 本章概述  115

6.1 WikiCities數據集  116

6.2 探索性數據分析  117

6.3 第 一個特徵集  124

6.4 第二個特徵集  130

6.5 最終的特徵集  131

6.6 擴展學習  133

第7章 時間戳數據  134

7.0 本章概述  135

7.1 WikiCities:歷史特徵  137

7.2 時間延遲特徵  139

7.2.1 填充時間戳數據  139

7.2.2 第 一次特徵化:填充二階延遲數據  140

7.2.3 誤差分析  141

7.3 滑動窗口  142

7.4 第三次特徵化:EMA  143

7.5 使用歷史數據進行擴展  143

7.5.1 第四次特徵化:擴展的數據  144

7.6 時間序列  145

7.6.1 WikiCountries數據集  145

7.6.2 探索性數據分析  146

7.6.3 第 一次特徵化:無TS特徵  149

7.6.5 使用模型預測作為特徵  149

7.6.6 討論  150

7.7 擴展學習  151

第8章 文本數據  153

8.0 本章概述  155

8.1 WikiCities:文本  156

8.2 探索性數據分析  156

8.3 僅數值型記號  159

8.3.1 詞類型與記號  160

8.3.2 分詞:基礎知識  160

8.3.3 第 一次特徵化  161

8.4 詞袋  162

8.4.1 分詞  162

8.4.2 第二次特徵化  163

8.5 停用詞和形態學特徵  165

8.5.1 停用詞  165

8.5.2 分詞:詞乾提取  166

8.5.3 第三次特徵化  166

8.6 上下文特徵  167

8.6.1 二元詞  168

8.6.2 第四次特徵化  169

8.7 跳躍二元詞與特徵哈希  169

8.7.1 跳躍二元詞  169

8.7.2 第五次特徵化  169

8.8 數據降維與嵌入  170

8.8.1 嵌入  170

8.8.2 特徵加權:TF-IDF  171

8.8.3 第六次特徵化  172

8.9 結束語  172

8.9.1 內容擴展  174

8.9.2 文本中的結構  174

8.10 擴展學習  174

第9章 圖像數據  175

9.0 本章概述  176

9.1 WikiCities:衛星圖像  177

9.2 探索性數據分析  178

9.3 像素即特徵  179

9.3.1 第 一次特徵化  179

9.3.2 可計算特徵: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 自動數據集擴展  183

9.4.1 仿射變換  184

9.4.2 第二次特徵化  184

9.5 描述性特徵:直方圖  184

9.6 局部特徵檢測器:角點  185

9.6.1 Harris角點檢測  186

9.6.2 第四次特徵化  186

9.7 數據降維:HOG  187

9.8 結束語  189

9.9 擴展學習  191

第 10章 其他領域:視頻、GIS和偏好  192

10.1 視頻  193

10.1.1 數據:屏幕錄制  194

10.1.2 關鍵幀檢測  194

10.1.3 目標跟蹤:均值漂移  195

10.1.4 擴展學習  197

10.2 地理特徵  197

10.3 偏好  199

10.3.1 數據:Linux核心代碼提交  200

10.3.2 填充偏好數據  201

10.3.3 擴展學習  202