机器学习特征工程基本技术

特征工程是什么？数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。

为了提取知识和做出预测，机器学习使用数学模型来拟合数据。这些模型将特征作为输入。特征就是原始数据某个方面的数值表示。在机器学习流程中，特征是数据和模型之间的纽带。特征工程是指从原始数据中提取特征并

包含八个代码文件，包括：特征抽取，特征选择，标准化，归一化，PCA，还有一些sklearn流行数据集的使用方法，以及kaggle大赛上的一个项目的数据分析阶段

系统化描述特征工程原理，过程。机器学习就是特征工程，

本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频-逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，

介绍在建模过程中及在特征工程分析特征重要性时，权重的确定方法

百面机器学习算法工程师

Udacity Udacity机器学习工程师Nanodegree程序中包含项目代码和注释的存储库。 完成本课程后,我希望在数据科学或机器学习中找到一个位置。 项目: -探索性分析,决策树 -线性回归,

机器学习导论，机器学习实战。带你快速入门机器学习

机器学习入门！！！！！！！！！！！！！！！！！！！！！