Awesome Feature Engineering – Projektbeschreibung

Projektübersicht

Awesome Feature Engineering ist eine kuratierte Liste, die sich der Sammlung von Ressourcen zu Feature-Engineering-Techniken im Bereich des maschinellen Lernens widmet. Das Projekt wird von Andrei Khobnia gepflegt und steht unter der Creative Commons Attribution-Noncommercial-ShareAlike 3.0 Unported License.

Es bietet Machine-Learning-Praktikern eine umfassende Ressourcensammlung zu Feature-Engineering-Techniken, die Methoden und Tools für verschiedene Datentypen abdeckt.

Hauptinhaltskategorien

1. Numerische Daten (Numeric Data)

• Datentransformationen:

  • Box-Cox-Transformation: scipy.stats.boxcox
  • Logarithmische Transformation: np.log (x + const)

• Automatisiertes Feature Engineering:

  • Featuretools: Für automatisiertes Feature Engineering

• Feature-Interaktionen:

  • sklearn.preprocessing.PolynomialFeatures: Generierung polynomialer Features
  • Divisionsoperationen
  • Andere interaktive Features

2. Textdaten (Textual Data)

• Bag-of-Words-Modell:

  • Bag-of-words model
  • A Gentle Introduction to the Bag-of-Words Model
  • sklearn.feature_extraction.text.CountVectorizer
  • sklearn.feature_extraction.DictVectorizer
  • sklearn.feature_extraction.FeatureHasher

• Word-Embedding-Techniken:

  • Word embedding
  • GloVe: Global Vectors for Word Representation
  • Gensim: models.word2vec – Word2vec embeddings
  • fastText
  • Word2Vec and FastText Word Embedding with Gensim

• Feature-Extraktionstechniken:

  • ClearTK - Feature Extraction Tutorial
  • Reguläre Ausdrücke
  • Part-of-Speech_Tagging
  • NLTK Categorizing and Tagging Words

3. Bilddaten (Image Data)

• Traditionelle Feature-Extraktion:

  • Feature extraction and similar image search with OpenCV for newbies
  • OpenCV -- Feature Detection and Description
  • SimpleCV.Features package
  • Scikit-image feature module

• Feature-Extraktion mittels Deep Learning:

  • Keras pre-trained models feature extraction
  • Using Keras' Pre-trained Models for Feature Extraction in Image Clustering

4. Kategoriale Daten (Categorical Data)

• One-Hot-Encoding:

  • Why One-Hot Encode Data in Machine Learning?
  • How to One Hot Encode Sequence Data in Python
  • sklearn.preprocessing.OneHotEncoder
  • Keras - to_categorical

• Target Encoding:

  • Likelihood encoding of categorical features
  • Python target encoding for categorical features
  • Adding variance column when mean encoding

• Feature Hashing:

  • Feature Hashing on Wikipedia
  • Feature hashing and Extraction in VowpalWabbit
  • Feature hashing in scikit-learn

5. Zeitreihendaten (Time Series Data)

• Automatische Feature-Extraktion:
  • Automatic extraction of relevant features from time series
  • Basic Feature Engineering With Time Series Data in Python

6. Geodaten (Geospatial Data)

• Enthält Feature-Engineering-Techniken im Zusammenhang mit geografischen Daten.

Projektmerkmale

1. Umfassendheit: Deckt die wichtigsten Datentypen und entsprechende Feature-Engineering-Techniken im maschinellen Lernen ab.
2. Praxisorientierung: Bietet konkrete Tool-Bibliotheken und Code-Implementierungen.
3. Open Source: Nutzt eine Open-Source-Lizenz und begrüßt Beiträge aus der Community.
4. Autorität: Verlinkt auf maßgebliche Dokumentationen, Tutorials und wissenschaftliche Ressourcen.
5. Umsetzbarkeit: Stellt spezifische Python-Bibliotheken und Methoden zum Funktionsaufruf bereit.

Nutzen

Das Projekt ist besonders wertvoll für folgende Personengruppen:

• Machine-Learning-Ingenieure
• Datenwissenschaftler
• Feature-Engineering-Forscher
• Machine-Learning-Anfänger
• Praktiker, die die Modellleistung verbessern möchten

Beitragsmöglichkeiten

Das Projekt fördert Beiträge aus der Community. Neue Ressourcen können durch das Erstellen von Pull Requests hinzugefügt oder bestehende Inhalte verbessert werden.

Zusammenfassung

Das Awesome Feature Engineering Projekt bietet eine umfassende und praxisorientierte Ressourcensammlung für das Feature Engineering im maschinellen Lernen und ist ein wichtiges Nachschlagewerk zum Erlernen und Anwenden von Feature-Engineering-Techniken. Durch seine systematische Klassifizierung und die umfangreichen Ressourcenlinks hilft es Praktikern, schnell die passenden Feature-Engineering-Methoden für spezifische Datentypen zu finden.