Introducción al Proyecto Awesome Feature Engineering

Resumen del Proyecto

Awesome Feature Engineering es una lista seleccionada de recursos técnicos de ingeniería de características (feature engineering) para aprendizaje automático. Este proyecto es mantenido por Andrei Khobnia y está bajo la licencia Creative Commons Attribution-Noncommercial-ShareAlike 3.0 Unported License.

El proyecto ofrece a los profesionales del aprendizaje automático un repositorio completo de recursos de técnicas de ingeniería de características, cubriendo métodos y herramientas para diferentes tipos de datos.

Clasificación del Contenido Principal

1. Datos Numéricos (Numeric Data)

• Transformación de Datos:

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

• Ingeniería de Características Automatizada:

  • Featuretools: para ingeniería de características automatizada

• Interacción de Características:

  • sklearn.preprocessing.PolynomialFeatures: generación de características polinómicas
  • Operaciones de división
  • Otras características interactivas

2. Datos Textuales (Textual Data)

• Modelo Bag-of-words:

  • 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

• Técnicas de Word Embedding:

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

• Técnicas de Extracción de Características:

  • ClearTK - Feature Extraction Tutorial
  • Expresiones regulares
  • Part-of-Speech_Tagging
  • NLTK Categorizing and Tagging Words

3. Datos de Imagen (Image Data)

• Extracción de Características Tradicional:

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

• Extracción de Características con Deep Learning:

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

4. Datos Categóricos (Categorical Data)

• Codificación One-Hot:

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

• Codificación por Objetivo (Target Encoding):

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

• Hashing de Características (Feature Hashing):

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

5. Datos de Series Temporales (Time Series Data)

• Extracción Automática de Características:
  • Automatic extraction of relevant features from time series
  • Basic Feature Engineering With Time Series Data in Python

6. Datos Geoespaciales (Geospatial Data)

• Incluye técnicas de ingeniería de características relacionadas con la ubicación geográfica.

Características del Proyecto

1. Exhaustividad: Cubre los principales tipos de datos en aprendizaje automático y las técnicas de ingeniería de características correspondientes.
2. Practicidad: Proporciona bibliotecas de herramientas y ejemplos de implementación de código.
3. Código Abierto: Adopta una licencia de código abierto y da la bienvenida a las contribuciones de la comunidad.
4. Autoridad: Enlaza a documentación, tutoriales y recursos académicos autorizados.
5. Operatividad: Ofrece bibliotecas de Python específicas y métodos de llamada a funciones.

Valor de Uso

Este proyecto es especialmente valioso para las siguientes personas:

• Ingenieros de Machine Learning
• Científicos de Datos
• Investigadores de Ingeniería de Características
• Principiantes en Machine Learning
• Profesionales que buscan mejorar el rendimiento de sus modelos

Formas de Contribución

El proyecto fomenta las contribuciones de la comunidad; se pueden añadir nuevos recursos o mejorar el contenido existente creando pull requests.

Resumen

El proyecto Awesome Feature Engineering ofrece un repositorio de recursos completo y práctico para la ingeniería de características en aprendizaje automático, siendo una referencia importante para aprender y aplicar técnicas de ingeniería de características. A través de una clasificación sistemática y enlaces a recursos abundantes, ayuda a los profesionales a encontrar rápidamente métodos de ingeniería de características adecuados para tipos de datos específicos.