Feature Engineering for Machine Learning 机器学习中的特征工程（一）

本系列的博客是《Feature Engineering for Machine Learning》这本书的整理及学习，如果有出错的地方麻烦各位指正。英文版参考的是2018年4月出版的，链接是Feature Engineering for Machine Learning。全书一共有九章，所以初步打算写九篇文章。原书所配套的代码可以在https://github.com/alicezheng/feature-engineering-book上找到
(1). The Machine Learning Pipeline
(2). Fancy Tricks with Simple Numbers
(3). Text Data: Flattening, Filtering, and Chunking
(4). The Effects of Feature Scaling: From Bag-of-Words to Tf-idf
(5). Categorical Variables: Counting Eggs in the Age of Robotic Chickens
(6). Dimensionality Reduction: Squashing the Data Pancake with PCA
(7). Nonlinear Featurization via K-Means Model Stacking
(8). Automating the Featurizer: Image Feature Extraction and Deep Learning
(9). Back to the Feature: Building an Academic Paper Recommender

首先看第一章：The Machine Learning Pipeline。pipeline可以翻译成管道或者流水线，是指数据在机器学习过程中像流水线一样从一个过程到另一个过程，比如sklearn中的pipeline。

from sklearn.pipeline import Pipeline
 
pipe_lr = Pipeline([('sc', StandardScaler()),
                    ('pca', PCA(n_components=2)),
                    ('clf', LogisticRegression(random_state=1))
                    ])
pipe_lr.fit(X_train, y_train)

首先对数据做了一个标准化，其次是PCA降维，最后是分类。

第一章目录
（1） Data
（2） Tasks
（3） Models
（4） Features
（5） Model Evaluation
data和task都是简单的一些概念。
model是和数据有关的，比如一个预测股票价格的模型可能会对一个公司的历史收入，股票的历史价格建模。但原始数据通常不是数值型的，所以需要特征来做原始数据和模型之间的桥梁。
特征就是原始数据的数值表示。特征工程是在给定数据，模型，任务的情况下给出最合适的特征。