Инженерная разработка признаков для машинного обучения: принципы и методы для специалистов по обработке данных на русском

Разработка признаков — важнейший этап в конвейере машинного обучения, однако эта тема редко рассматривается отдельно. В этой практической книге вы изучите методы извлечения и преобразования признаков — числовых представлений исходных данных — в форматы, подходящие для моделей машинного обучения. Каждая глава знакомит вас с конкретной задачей обработки данных, например, с тем, как представить текстовые или графические данные. В совокупности эти примеры иллюстрируют основные принципы разработки признаков.

Вместо того чтобы просто обучать этим принципам, авторы Элис Чжэн и Аманда Касари сосредотачиваются на практическом применении с помощью упражнений, представленных на протяжении всей книги. Заключительная глава объединяет все воедино, рассматривая реальный структурированный набор данных с использованием нескольких методов инженерии признаков. В примерах кода используются пакеты Python, включая numpy, Pandas, Scikit-learn и Matplotlib.

Вы изучите:

• Создание признаков для числовых данных: фильтрация, биннинг, масштабирование, логарифмические преобразования и степенные преобразования.
• Методы обработки естественного текста: мешок слов, n-граммы и распознавание фраз.
• Фильтрация на основе частоты и масштабирование признаков для удаления неинформативных признаков.
• Методы кодирования категориальных переменных, включая хеширование признаков и подсчет интервалов.
• Разработка признаков на основе модели с использованием анализа главных компонентов.
• Концепция объединения моделей с использованием алгоритма k-средних в качестве метода извлечения признаков.
• Извлечение признаков изображения с помощью ручных методов и методов глубокого обучения