书名：特征工程入门与实践pdf/doc/txt格式电子书下载

推荐语：从零入手，全面了解特征工程，提升机器学习算法的效率、准确率

作者：（土）锡南·厄兹代米尔（SinanOzdemir）,迪夫娅·苏萨拉（DivyaSusarla）,庄嘉盛译

出版社：人民邮电出版社

出版时间：2019-06-01

书籍编号：30511574

ISBN：9787115511645

正文语种：中文

字数：192269

版次：1

所属分类：互联网+-人工智能

版权信息

书名：特征工程入门与实践

作者：（土）锡南·厄兹代米尔（Sinan Ozdemir） 迪夫娅·苏萨拉（Divya Susarla）

ISBN：9787115511645

出版时间：2019-06-01

出版社：人民邮电出版社

免责声明：本站所有资源收集整理于网络，版权归原作者所有。
本站所有内容不得用于商业用途。本站发布的内容若侵犯到您的权益，请联系站长删除，我们将及时处理！

版权声明

Copyright © 2018 Packt Publishing. First published in the English language under the title Feature Engineering Made Easy.

Simplified Chinese-language edition copyright © 2019 by Posts & Telecom Press. All rights reserved.

本书中文简体字版由Packt Publishing授权人民邮电出版社独家出版。未经出版者书面许可，不得以任何方式复制或抄袭本书内容。

版权所有，侵权必究。

Network_features = pd.DataFrame({\'datetime\': [\'6/2/2018\', \'6/2/2018\', \'6/2/2018\', \'6/3/2018\'], \'protocol\': [\'tcp\', \'http\', \'http\', \'http\'], \'urgent\': [False, True, True, False]}) Network_response = pd.Series([True, True, False, True]) Network_features >> datetime protocol urgent 0 6/2/2018 tcp False 1 6/2/2018 http True 2 6/2/2018 http True 3 6/3/2018 http False Network_response >> 0 True 1 True 2 False 3 True dtype: booltimes_pregnant 0.221898 plasma_glucose_concentration 0.466581 diastolic_blood_pressure 0.065068 triceps_thickness 0.074752 serum_insulin 0.130548 bmi 0.292695 pedigree_function 0.173844 age 0.238356 onset_diabetes 1.000000 Name: onset_diabetes, dtype: float64

前言

本书的主题是特征工程。特征工程是数据科学和机器学习流水线上的重要一环，包括识别、清洗、构建和发掘数据的新特征，为进一步解释数据并进行预测性分析做准备。

本书囊括了特征工程的全流程，从数据检查到可视化，再到转换和进一步处理，等等。书中还会涉及各种或简单或复杂的数学工具，数据要经过这些工具处理、转换成适当的形式，才能进入计算机和机器学习流水线中进行处理。

作为数据科学家，我们将通过观察和变换来获取对数据的全新理解，这不仅会增强机器学习算法的效果，而且会增强我们对数据的洞悉力。

目标读者

本书面向希望理解并使用特征工程进行机器学习和数据挖掘的读者。

读者应能熟练使用Python进行机器学习和编程，才能顺着章节的展开循序渐进地了解新知识点。

本书内容

第1章，特征工程简介　这一章介绍特征工程的基本术语，简要阐释本书涉及的各类问题。

第2章，特征理解：我的数据集里有什么　这一章介绍我们在实际中会遇见的各类数据，并说明如何处理这些数据。

第3章，特征增强：清洗数据　这一章介绍填充缺失值的各种方法，以及为何某些处理方法会使机器学习性能变差。

第4章，特征构建：我能生成新特征吗　这一章介绍如何使用已有的特征构建新特征，以扩大数据集。

第5章，特征选择：对坏属性说不　这一章介绍定量的选择方法，用于判断哪些特征值得在数据流水线中保留。

第6章，特征转换：数学显神通　这一章介绍如何使用线性代数和高等数学方法增强数据的刚性结构，从而提升流水线的性能。

第7章，特征学习：以AI促AI　这一章介绍如何利用最先进的机器学习和人工智能算法，发现人类难以理解的特征。

第8章，案例分析　这一章介绍了一系列巩固特征工程思想的案例。

阅读须知

阅读本书有以下两点要求。

(1) 本书的所有编程示例均使用Python。你需要有一台可以访问Unix式终端的计算机（Linux、Mac或Windows均可），并安装Python 3。

(2) 建议安装Anaconda，因为这个环境几乎包含了示例中要用到的所有包。

下载示例代码

你可以从“图灵社区”本书页面（http://www.ituring.com.cn/book/2606）下载书中的示例代码。

文件下载结束之后，请确定使用以下软件的最新版本解压或提取文件：

• WinRAR/7-Zip（Windows）
  
• Zipeg/iZip/UnRarX（Mac）
  
• 7-Zip/PeaZip（Linux）

https://github.com/PacktPublishing/提供了种类丰富的图书和视频资料相关代码包，好好看一下吧！

下载本书彩色图片

我们也提供含有彩色截图/图表的PDF文件。彩色图片能帮助你更深入地理解输出的变化。下载地址：https://www.packtpub.com/sites/default/files/downloads/FeatureEngineeringMadeEasy_ColorImages.pdf。

排版约定

本书采用不同的文本样式来区分不同类别的信息。

正文中的代码按以下样式显示：“假设要进一步处理数据，我们的任务就是通过3个输入特征（datetime、protocol和urgent）准确地预测malicious。简单地说，我们想要的系统可以把datetime、protocol和urgent的值映射到malicious的值。”

代码块的样式如下所示：

如果我们需要你重点关注某处，会加粗显示：

新术语、重点词和屏幕上的文字将以黑体形式显示。

　这个图标表示警告或需要特别注意的内容。

　这个图标表示提示或技巧。

联系我们

一般反馈：发送邮件至feedback@packtpub.com并在主题处提及书名。如果对于本书任何方面有疑问，请发送邮件至questions@packtpub.com。

勘误：尽管我们做了各种努力来保证内容的准确性，依然无法避免出现错误。如果你在书中发现文字或代码错误，请告知我们，我们将非常感谢。请访问https://www.packtpub.com/submit-errata提交勘误。1通过点击Errata Submission Form链接选择图书，然后输入勘误详情。

1针对本书中文版的勘误，请到http://www.ituring.com.cn/book/2606查看和提交。——编者注

反盗版：如果你在网上发现有对我们图书的非法复制行为，请立即将地址或网站名通知我们，非常感谢。请联系copyright@packtpub.com并提供有盗版嫌疑的链接。

成为作者：如果你在某个领域有专业知识，并且有兴趣进行图书写作，请访问authors.packtpub.com。

评论

请留下你的评论。阅读并使用本书之后，为什么不在购买网站上留下评论呢？其他读者可以根据你的客观意见来做出购买决定，Packt可以了解你对产品有何看法，作者也能看到你对本书的反馈。谢谢！

想了解关于Packt的更多信息，请访问packtpub.com。

电子书

扫描如下二维码，即可购买本书电子版。

from Arty import AI AI.respond_to(\"my phone froze, what should I do?\") >> \"reset it.\"

　数据源：https://whatsthebigdata.com/2016/05/01/data-scientists-spend-most-of-their-time-cleaning-data/。

　特征工程（feature engineering）是这样一个过程：将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。

监督学习

一般来说，我们都是在监督学习（也叫预测分析）的特定上下文中提到特征工程。监督学习算法专门处理预测一个值的任务，通常是用数据中的其他属性来预测余下的一个属性。以如下表示网络入侵的数据集为例。

还是前文用到的数据集，这次我们在预测分析的上下文中深入探讨。

注意，数据集有4个属性：DateTime、Protocol、Urgent和Malicious。假设Malicious属性包含代表该观测值是否为恶意入侵的值。所以在这个小数据集中，第1次、第2次和第4次连接都是恶意入侵。

进一步假设，在这个数据集中，我们要尝试用3个属性（DateTime、Protocol和Urgent）准确预测Malicious属性。简单地说，我们想建立一个系统，将DateTime、Protocol和Urgent属性的值映射到Malicious的值。监督学习问题就是这样建立起来的：

在监督学习中，我们一般将数据集中希望预测的属性（一般只有一个，但也不尽然）叫作响应（response），其余属性叫作特征（feature）。

也可以认为，监督学习是一种利用数据结构的算法。我们的意思是，机器学习算法会试图从很漂亮整洁的数据中提取模式。但是之前我们讨论过，不应该想当然地认为进入流水线的数据都是干净的：特征工程由此而来。

你可能会问：如果我们不做预测，机器学习又有什么用呢？问得好。在机器学习可以利用数据结构之前，我们有时需要调整乃至创造结构。无监督学习在这里大放异彩。

　注意，这里将所有的列都称为特征，因为无监督学习没有响应，我们没有做预测。

无监督学习

监督学习的目的是预测。我们利用数据的特征对响应进行预测，提供有用的信息。如果不是要通过探索结构进行预测，那就是想从数据中提取结构。要做到后者，一般对数据的数值矩阵或迭代过程应用数学变换，提取新的特征。

这个概念有可能比监督学习更难理解，我们在此提供一个例子来阐明。

• 无监督学习的例子：市场细分

假如我们的数据集很大（有100万行），每行是一个人的基本特征（年龄、性别等）以及购买商品的数量（代表从某个店铺购买的商品数）。

这是营销数据集的一个样本，每行代表一个顾客，每人有3个基本属性。我们的目标是将这个数据集细分成不同的类型或聚类，让执行分析的公司更好

....