消息首页搜索举报

Python精通特征工程 [美]爱丽丝·郑（Alice Zheng 【S-011】

本店书品均经过[分拣、拍照、扫码入库等]多个环节核验，请放心下单。同一本书，如果您已经在其他书店下过一单，烦请不要在本店下单，感谢。[SD1990_DXXR]

19.5 3.3折 59 九品

库存2件

广东东莞

认证卖家担保交易快速发货售后保障

作者[美]爱丽丝·郑（Alice Zheng

出版社人民邮电出版社

ISBN9787115509680

出版时间2018-08

装帧平装

开本16开

定价59元

货号9787115509680

上书时间2024-07-05

时间有路

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 8小时
好评率暂无

最新上架

明星教舞拉丁舞花步组合：恰恰恰下部(VCD) 中映【S-011】 ¥8.90

美女私房菜：美颜美食DIY(VCD) 卓文工作室合著者梁凌【S-011】 ¥6.00

秋冬护肤术（VCD）卓文工作室、东方文化传播有限公司编 / 【S-011】 ¥3.90

完美女人白皮书（4书+4VCD）中映【S-011】 ¥4.70

时尚插花艺（VCD）中映【S-011】 ¥4.90

力学增高练习术（CD）中映【S-011】 ¥5.30

翘臀精确有氧训练（VCD）中映主编【S-011】 ¥3.60

窈窕瘦身完全手册(书+4CD) 中映【S-011】 ¥27.50

热力瘦身拉丁舞(7VCD) 中映【S-011】 ¥197.00

商品详情

品相描述：九品

商品描述: 目录
前言　　ix第　1 章机器学习流程　11.1　数据　11.2　任务　11.3　模型　21.4　特征　31.5　模型评价　3第　2 章简单而又奇妙的数值　42.1　标量、向量和空间　52.2　处理计数　72.2.1　二值化　72.2.2　区间量化（分箱）　92.3　对数变换　132.3.1　对数变换实战　162.3.2　指数变换：对数变换的推广　192.4　特征缩放/ 归一化　242.4.1　min-max 缩放　242.4.2　特征标准化/ 方差缩放　242.4.3　2归一化　252.5　交互特征　282.6　特征选择　302.7　小结　312.8　参考文献　32第3　章文本数据：扁平化、过滤和分块　333.1　元素袋：将自然文本转换为扁平向量　343.1.1　词袋　343.1.2　n 元词袋　373.2　使用过滤获取清洁特征　393.2.1　停用词　393.2.2　基于频率的过滤　403.2.3　词干提取　423.3　意义的单位：从单词、n 元词到短语　433.3.1　解析与分词　433.3.2　通过搭配提取进行短语检测　443.4　小结　503.5　参考文献　51第4　章特征缩放的效果：从词袋到tf-idf　524.1　tf-idf：词袋的一种简单扩展　524.2　tf-idf 方法测试　544.2.1　创建分类数据集　554.2.2　使用tf-idf 变换来缩放词袋　564.2.3　使用逻辑回归进行分类　574.2.4　使用正则化对逻辑回归进行调优　584.3　深入研究：发生了什么　624.4　小结　644.5　参考文献　64第5　章分类变量：自动化时代的数据计数　655.1　分类变量的编码　665.1.1　one-hot 编码　665.1.2　虚拟编码　665.1.3　效果编码　695.1.4　各种分类变量编码的优缺点　705.2　处理大型分类变量　705.2.1　特征散列化　715.2.2　分箱计数　735.3　小结　795.4　参考文献　80第6　章数据降维：使用PCA 挤压数据　826.1　直观理解　826.2　数学推导　846.2.1　线性投影　846.2.2　方差和经验方差　856.2.3　主成分：第一种表示形式　866.2.4　主成分：矩阵- 向量表示形式　866.2.5　主成分的通用解　866.2.6　特征转换　876.2.7　PCA 实现　876.3　PCA 实战　886.4　白化与ZCA　896.5　PCA 的局限性与注意事项　906.6　用例　916.7　小结　936.8　参考文献　93第7　章非线性特征化与k-均值模型堆叠　947.1　k-均值聚类　957.2　使用聚类进行曲面拼接　977.3　用于分类问题的k-均值特征化　1007.4　优点、缺点以及陷阱　1057.5　小结　1077.6　参考文献　107第8　章自动特征生成：图像特征提取和深度学习　1088.1　最简单的图像特征（以及它们因何失效）　1098.2　人工特征提取：SIFT 和HOG　1108.2.1　图像梯度　1108.2.2　梯度方向直方图　1138.2.3　SIFT 体系　1168.3　通过深度神经网络学习图像特征　1178.3.1　全连接层　1178.3.2　卷积层　1188.3.3　ReLU 变换　1228.3.4　响应归一化层　1238.3.5　池化层　1248.3.6　AlexNet 的结构　1248.4　小结　1278.5　参考文献　128第9　章回到特征：建立学术论文推荐器　1299.1　基于项目的协同过滤　1299.2　第一关：数据导入、清理和特征解析　1309.3　第二关：更多特征工程和更智能的模型　1369.4　第三关：更多特征= 更多信息　1419.5　小结　1449.6　参考文献　144附录A　线性建模与线性代数基础　145A.1　线性分类概述　145A.2　矩阵的解析　147A.2.1　从向量到子空间　148A.2.2　奇异值分解（SVD）　150A.2.3　数据矩阵的四个基本子空间　151A.3　线性系统求解　153A.4　参考文献　155作者简介　156封面简介　156

内容摘要
本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频-逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，图像处理，等等。

— 没有更多了 —

Python精通特征工程 [美]爱丽丝·郑（Alice Zheng 【S-011】

时间有路

商品详情

相关推荐