从入门到狂热，特征工程必学的几项资源

前些日子发了一篇自己对于

在分享资源前，我想先说说自己对于特征工程的看法，其实做数据挖掘、机器学习、人工智能相关的同学，应该都会比较清楚特征工程的重要性，而且，也知道这块是十分耗时耗力的，特征作为数据与模型之间的桥梁，对数据规律进行更好的表现往往有助于构建出效果更好的模型，从而对我们的业务有显著的帮助。由于特征工程在很多地方都有应用，不同的场景，数据的样子千奇百怪，很难说有一套标准的特征处理套路去解决，所以作为从业者，我个人觉得更为重要的是培养自己总结经验的能力，针对自己所在的行业、工作场景去设计更加符合自己使用的代码库，而这一切并不是立竿见影的，也是需要你有一些基本原则，关于特征工程的基本原则，所以，我们得去看很多的资源，学习其基本的处理思想，融会贯通。

话不多说，下面的资源是个人的一点点总结，后续随着自己的探索估计还是会增加内容，这些就先看着先呗。

? 学习视频

视频看起来可能会比较慢一些，但也会记忆地更加深刻，不过我通常都是开1.25倍数去看，看到熟悉的就可能会到1.5倍数（这个看大家喜欢了哈哈），对于入门的同学，我个人还是推荐去看视频会好一点，毕竟书籍看起来还是会比较困的。

1）加州理工学院公开课：机器学习与数据挖掘

传送门： http://open.163.com/special/opencourse/learningfromdata.html

2）B站：机器学习-特征工程-唐宇迪

传送门： https://b23.tv/av52783056/p1

? 学习书籍

书籍也推荐几本特征工程相关的，可能还要一些好书，如果大家有看过其他相关的好书的，希望可以告诉我呀~

1）《精通特征工程》，原名叫《Feature Engineering for Machine Learning》，作者爱丽丝、阿曼达，译者陈光欣

2）《机器学习实战》，作者Peter Harrington

3）《数据挖掘-实用机器学习技术》，作者 Lan H.Witten/Eibe Frank

4）《统计学习方法》，作者李航

5）《机器学习》，也就是我们常说的“西瓜书”，作者周志华，里面的部分章节有涉及

6）《面向机器学习的特征工程》，作者Alice Zheng &Amanda Casari

7）《python数据分析与挖掘实战》，作者张良均、王路、谭立云、苏剑林等

? 竞赛思路

特征工程如果脱离了实际的场景，看起来还是有点像纸上谈兵，因此我推荐你们也去看一些竞赛经验总结，可以结合比赛内容，看下高手们的思路。这里主要推荐一个GitHub项目，有相关竞赛经验的总结： https://github.com/AI-Sphere/Awesome-Noah

其余的，可能就需要大家去浏览各种竞赛网站，如kaggle、天池、科大讯飞等等，看那些大神们的思路。

以上，是本人对于特征工程学习的一些小总结，恳请指教，另外，如果同学们有更好的资源，希望可以告诉我嘻嘻~ 互相学习进步~