Skip to content Pull requestsIssues Marketplace Explore
apachecn/fe4ml-zh
master 1 branch 0 tags Go to fileAdd file CodeLatest commit
wizardforcel 2020-10-06 18:39:05 14740c621 days agoGit stats
Files
Type Name Latest commit message Commit time asset 2020-09-17 20:47:23 last month docs Update 8.自动化特征提取器:图像特征提取和深度学习.md 11 months ago images title 2 years ago src tex 3 years ago .gitignore 2018-12-14 20:56:55 2 years ago .nojekyll 2018-12-14 20:56:55 2 years ago CNAME 2018-12-18 11:52:06 2 years ago Dockerfile 2020-09-29 22:32:15 28 days ago LICENSE 2020-09-17 16:35:21 last month README.md 2020-10-01 01:27:35 27 days ago SUMMARY.md 2018-12-14 20:56:55 2 years ago cover.jpg 2018-12-14 20:56:55 2 years ago index.html 2020-10-06 18:39:05 21 days ago update.sh 2018-12-14 20:56:55 2 years agoREADME.md
面向机器学习的特征工程
原文(注册后可阅读):Feature Engineering for Machine Learning (Early Release)
欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远
目录
- 一、引言
- 二、简单数字的奇特技巧
- 三、文本数据:展开、过滤和分块
- 四、特征缩放的效果:从词袋到 TF-IDF
- 五、类别特征:机器鸡时代的鸡蛋计数
- 六、降维:使用 PCA 压缩数据集
- 七、非线性特征提取和模型堆叠
- 八、自动化特征提取器:图像特征提取和深度学习
- 九、回到特征:将它们放到一起
- 附录、线性模型和线性代数基础
负责人
- @飞龙: 562826179
免责声明
ApacheCN 纯粹出于学习目的与个人兴趣翻译本书,不追求任何经济利益。
本译文只供学习研究参考之用,不得用于商业用途。ApacheCN 保留对此版本译文的署名权及其它相关权利。
下载
Docker
docker pull apachecn0/fe4ml-zh
docker run -tid -p <port>:80 apachecn0/fe4ml-zh
# 访问 http://localhost:{port} 查看文档
PYPI
pip install fe4ml-zh
fe4ml-zh <port>
# 访问 http://localhost:{port} 查看文档
NPM
npm install -g fe4ml-zh
fe4ml-zh <port>
# 访问 http://localhost:{port} 查看文档