機器學習｜特徵工程 (Feature Engineering for Machine Learning)
Alice Zheng, Amanda Casari 著 楊新章 譯
- 出版商: 歐萊禮
- 出版日期: 2020-04-30
- 定價: $520
- 售價: 7.9 折 $411
- 語言: 繁體中文
- 頁數: 224
- 裝訂: 平裝
- ISBN: 9865024837
- ISBN-13: 9789865024833
-
相關分類:
Machine Learning
- 此書翻譯自: Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists
-
相關翻譯:
精通特徵工程 (Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists) (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Bad Data 技術手冊 (Bad Data Handbook: Cleaning Up The Data So You Can Get Back To Work)$480$379 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
機器學習｜工作現場的評估、導入與實作$580$458 -
深度學習｜內行人的做法 (Deep Learning: A Practitioner's Approach)$780$616 -
Deep Learning 2｜用 Python 進行自然語言處理的基礎理論實作$680$537 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
PyTorch 自然語言處理｜以深度學習建立語言應用程式 (Natural Language Processing with PyTorch)$580$458 -
Python 機器學習錦囊妙計 (Machine Learning with Python Cookbook)$580$458 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538 -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
非監督式學習｜使用 Python (Hands-On Unsupervised Learning Using Python)$680$537 -
資料視覺化｜製作充滿說服力的資訊圖表 (Fundamentals of Data Visualization)$780$616 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
scikit-learn 新手的晉級：實作各種機器學習解決方案 (Mastering Machine Learning with scikit-learn, 2/e)$500$390 -
TensorFlow 2.0 深度學習快速入門：從1到2快人一步，從0到2一步到位$420$328 -
深度學習的數學：用數學開啟深度學習的大門$500$425 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
NLP 工程師養成術：自然語言處理入門$690$538 -
社群網站的資料探勘, 3/e (Mining the Social Web: Data Mining Facebook, Twitter, LinkedIn, Google+, GitHub, and More, 3/e)$780$616 -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法，掌握制勝的關鍵技術$1,000$850 -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537
商品描述
資料科學家需學的原理與技術
＂資料前置處理和特徵工程已經被認為是許多應用中模型效能的主要推手。我很高興終於有一本專書來談論這個主題。Alice和Amanda詳細解釋了許多常用技術的精妙細節。＂
—Andreas C. Müller
哥倫比亞大學機器學習講師
scikit-learn核心開發者
特徵工程是機器學習生產線中關鍵的步驟，不過這個領域還很少被單獨檢視過。在這本實用的書中，您會學到將特徵──原始資料的數值表達法──淬取與轉換為機器學習模型格式的技術。每一章都使用單一的資料問題來導引您，例如如何表達文字或影像資料。綜合在一起後，這些範例就描繪了特徵工程的主要原理。
不是只教導這些原理，作者Alice Zheng和Amanda Casari也在整本書中使用習題來聚焦在實際應用上。最後一章會藉由在一個真實的結構化資料集上應用數種特徵工程技術來總結全書所學。程式碼範例則使用了Python的套件，包括numpy、Pandas、scikit-learn、以及Matplotlib。
您會學到：
‧數值資料的特徵工程：過濾、分箱、縮放、對數轉換及次方轉換
‧自然文本技術：詞袋、n元語法及片語偵測
‧以基於頻率之過濾與特徵縮放來消除不具資訊性的特徵
‧類別變數的編碼技術，包括特徵雜湊和分箱計數
‧使用主要成份分析進行基於模型的特徵工程
‧模型堆疊和使用k-means作為特徵淬取技術的概念
‧使用手動和深度學習技術之影像特徵淬取
作者簡介
Alice Zheng 是Amazon Advertising研究科學經理。她的工作涵蓋了演算法和平台開發，並且應用在廣告、軟體診斷及網路分析上。
Amanda Casari SAP Concur之Concur Labs資深產品經理與資料科學家。她用計畫和程式進行各項實驗來讓機器學習變得更容易親近。
