【电子书奖励计划】特征工程

第一章主要是对于特征工程的介绍，阐述了特征工程的重要性。在机器学习工程师和数据科学家日常工作中，超过50%的时间事实上都是在数据的准备阶段。这其中包括存储，清洗，组织数据等等。特征工程就是这样的一个过程：将数据转换为能更好地表示潜在问题的特征，从而提高机器学习的学习性能。一个完整的特征工程包括对于数据中特征的理解，特征增强：清洗数据，特征选择，特征构建，特征转换，特征学习。最后本章还介绍了特征工程的评估。

第二章对于数据集特征的理解进行了介绍。通过本章的学习，可以掌握对于数据等级的划分，包括定类，定序，定距，定比等级。最后，不同等级的数据可以进行的描述性分析以及常用图表给出了介绍，加强了我的理解。

第三章是对于特征增强：清洗数据的介绍。本章从对于缺失值的识别开始，介绍了缺失值的删除，缺失值的常用填充方法，数据归一化处理（z-score,min-max,行归一化），并且介绍了使用sklearn完成上述步骤的方法。最后使用Pipeline进行了演示，直观且容易理解。

第四章则是从特征构建的角度，介绍了常用的特征构建方法，并以流水线的方式进行了总结，学完这章真的收获满满啊！

第五章进一步对选择合适的方法进行了介绍，介绍了两种类型：基于统计和基于模型的特征选择。

第六章从特征转换，维度缩减降维的角度进行了介绍。并以机器学习中常用的鸢尾花数据集为例，使用PCA和LDA进行了学习。

第七章则从特征学习的角度，以神经网络深度学习来创建新特征。

第八章给出了在特征工程中两个实际案例，通过实际操作介绍了完整的特征工程处理流程。

学完全书，对特征工程有了更深的理解，对于整个操作流程有了认识，虽然是本入门的书，介绍的案例也比较简单，但是谁还不是从最基础开始呢？期待下一个电子书学习计划！！！感谢图灵社区啊啊啊！！