学习《特征工程入门与实践》

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、构建和发掘数据的特征，为进一步解释数据并进行预测性分析做准备。

特征工程主要内容：

• 识别和利用不同类型的特征
• 清洗数据中的特征，提升预测能力
• 为何、如何进行特征选择和模型误差分析
• 利用领域知识构建新特征
• 基于数学知识交付特征
• 使用机器学习算法构建特征
• 掌握特征工程与特征优化
• 在现实应用中利用特征工程
• 
  《特征工程入门与实践》涉及特征工程的全流程，从数据检查到可视化，再到转换和进一步处理等，并给出了大量数学工具，帮助掌握如何将数据处理、转换成适当的形式，以便送入计算机和机器学习流水线中进行处理。后半部分的特征工程实践用Python作为示例语言，循序渐进，通俗易懂。
  
  整理的机器学习和特征工程方面的学习电子笔记资料参考：
  https://www.yuque.com/mathpythondata/lw7b5t

非常简洁而有条理，并且示例做的很详细。讲解习题，注释详细，对新手很友好。