為改善機器學習模型的表現，你會花多少時間修改輸入數據的特征？圖靈獎得主Yoshua Bengio曾說：“好的輸入特征是機器學習取得成功的基本條件。在產業化機器學習中，特征工程所占的工作量接近90%。”修改數據特征以更好地捕獲問題的本質，這是機器學習的重中之重。沒有高深的領域知識能否進行高質量的特征工程？本書直面這一充滿爭議的話題，在不考慮領域知識的情況下，給出了特征工程的一些通用技巧。此外，本書還展示了豐富的案例，涵蓋圖數據、時間戳數據、文本數據和圖像數據。你將在學習各種技巧和訣竅的過程中，等

●第一部分基礎知識
第1章簡介
1.1特征工程
1.2模型評價
1.2.1度量
1.2.2交叉驗證
1.2.3士擬合
1.2.4維數災難
1.3周期
1.3.1ML周期
1.3.2特征工程周期
1.4分析
1.4.1冪索性數據分析
1.4.2差分析
1.5其他過程
1.5.1域建模
1.5.2特征構建
1.6討論
1.7擴展學習
第2章特征組合：歸一化、離散化和異常值
2.1歸一化特征
2.1.1標準化和去相關性
2.1.2平滑
2.1.3特征加權
2.2離散化和分箱
2.2.1無監督離散化
2.2.2督離散化
2.3描述性特征
2.3.1直方圖
2.3.2其他描述性特征
2.4處理異常值
2.5高級技術
2.6擴展學習
第3章特征擴展：可計算特征、填充與核技巧
3.1可計算特征
3.2填充
3.3復雜特征分解
3.4核操作特征擴展
3.5擴展學習
第4章特征縮減：特征選擇、降維和嵌入
4.1特征選擇
4.1.1度量
4.1.2組成特征集：搜索與篩選
4.1.3高級技術
4.2正則化與嵌入式特征選擇
4.2.1L2正則化：嶺回歸
4.2.2L1正則化：LASSO
4.2.3其他使用嵌入式特征選擇的算法
4.3數據降維
4.3.1特征哈希
4.3.2隨機投影
4.3.3奇異值分解
4.3.4隱狄利克雷分配
4.3.5聚類
4.3.6其他數據降維技術
4.3.7嵌入
4.4擴展學習
第5章高級主題：可變長度數據與自動特征工程
5.1可變長度特征向量
5.1.1集合
5.1.2列表
5.1.3樹
5.1.4圖
5.1.5時間序列
5.2基於實例的特征工程
5.3深度學習與特征工程
5.4自動特征工程
5.4.1特征學習
5.4.2無監督特征工程
5.5擴展學習
第二部分案例研究
第6章圖數據
6.0本章概述
6.1WikiCities數據集
6.2探索性數據分析
6.3第一個特征集
6.4第二個特征集
6.5最終的特征集
6.6擴展學習
第7章時間戳數據
7.0本章概述
7.1WikiCities：歷史特征
7.2時間延遲特征
7.2.1填充時間戳數據
7.2.2第一次特征化：填充二階延遲數據
7.2.3誤差分析
7.3滑動窗口
7.4第三次特征化：EMA
7.5使用歷史數據進行擴展
7.5.1第四次特征化：擴展的數據
7.5.2討磺
7.6時間序列
7.6.1WikiCountries數據集
7.6.2探索性數據分析
7.6.3第一次特征化：無TS特征
7.6.4第二次特征化：使用TS作為特征
7.6.5使用模型預測作為特征
7.6.6討磺
7.7擴展學習
第8章文本數據
8.0本章概述
8.1WikiCities：文本
8.2探索性數據分析
8.3僅數值型記號
8.3.1詞類型與記號
8.3.2分詞：基礎知識
8.3.3第一次特征化
8.4詞袋
8.4.1分詞
8.4.2第二次特征化
8.5停用詞和形態學特征
8.5.1停用詞
8.5.2分詞：詞干提取
8.5.3第三次特征化
8.6上下文特征
8.6詞
8.6.2第四次特征化
8.7詞與特征哈希
8.7.1詞
8.7.2第五次特征化
8.8數據降維與嵌入
8.8.1嵌入
8.8.2特征加權：TF-IDF
8.8.3第六次特征化
8.9結束語
8.9.1內容擴展
8.9.2文本中的結構
8.10擴展學習
第9章圖像數據
9.0本章概述
9.1WikiCities：衛星圖像
9.2探索性數據分析
9.3像素即特征
9.3.1第一次特征化
9.3.2可計算特征：高斯模糊
9.3.3白化
9.3.4對變動的誤差分析
9.4自動數據集擴展
9.4.1仿射變換
9.4.2第二次特征化
9.5描述性特征：直方圖
9.6局部特征檢測器：角點
9.6.1Harris角點檢測
9.6.2第四次特征化
9.7數據降維：HOG
9.8結束語
9.9擴展學習
第10章其他領域：視頻、GIS和偏好
10.1視頻
10.1.1數據：屏幕錄制
10.1.2關鍵幀檢測
10.1.3目標跟蹤：均值漂移
10.1.4擴展學習
10.2地理特征
10.3偏好
10.3.1數據：Linux核心代碼提交
10.3.2填充偏好數據
10.3.3擴展學習

  特征工程可以修改數據特征，更好地捕獲問題本質，從而改進結果。這個過程既是一種藝術，也是技巧和訣竅的一種結合。本書是一本特征工程實用指南，主要探討如何利用特征工程提升機器學習解決方案的性能。本書從特征工程的基本概念和技術開始介紹，建立了一種獨特的跨領域方法，通過充分研究案例詳細介紹了圖數據、時間戳數據、文本數據和圖像數據的處理方法，包括分箱、折外估計、特征選擇、數據降維和可變長度數據編碼等重要主題。
本書適合機器學習相關從業者和數據科學家閱讀。

(加)巴勃羅·迪布 著 陳光欣 譯