Introdução ao Projeto Awesome Feature Engineering

Visão Geral do Projeto

Awesome Feature Engineering é uma lista selecionada de recursos técnicos de engenharia de características (feature engineering) para aprendizado de máquina. O projeto é mantido por Andrei Khobnia e segue a licença Creative Commons Attribution-Noncommercial-ShareAlike 3.0 Unported License.

Este projeto oferece aos profissionais de aprendizado de máquina um repositório abrangente de recursos técnicos de engenharia de características, cobrindo métodos e ferramentas para diferentes tipos de dados.

Principais Categorias de Conteúdo

1. Dados Numéricos (Numeric Data)

• Transformação de Dados:

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

• Engenharia de Características Automatizada:

  • Featuretools: para engenharia de características automatizada

• Interação de Características:

  • sklearn.preprocessing.PolynomialFeatures: geração de características polinomiais
  • Operações de divisão
  • Outras características interativas

2. Dados Textuais (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 Extração de Características:

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

3. Dados de Imagem (Image Data)

• Extração 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

• Extração de Características com Deep Learning:

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

4. Dados Categóricos (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. Dados de Séries Temporais (Time Series Data)

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

6. Dados Geoespaciais (Geospatial Data)

• Inclui técnicas de engenharia de características relacionadas a dados geográficos.

Características do Projeto

1. Abrangência: Cobre os principais tipos de dados e as respectivas técnicas de engenharia de características em aprendizado de máquina.
2. Praticidade: Fornece bibliotecas de ferramentas e implementações de código específicas.
3. Natureza Open Source: Adota uma licença open source e acolhe contribuições da comunidade.
4. Autoridade: Links para documentação, tutoriais e recursos acadêmicos de autoridade.
5. Operacionalidade: Fornece bibliotecas Python e métodos de chamada de função específicos.

Valor de Uso

Este projeto é particularmente valioso para as seguintes pessoas:

• Engenheiros de Machine Learning
• Cientistas de Dados
• Pesquisadores de Engenharia de Características
• Iniciantes em Machine Learning
• Profissionais que buscam melhorar o desempenho de modelos

Formas de Contribuição

O projeto incentiva a contribuição da comunidade, que pode ser feita criando pull requests para adicionar novos recursos ou melhorar o conteúdo existente.

Conclusão

O projeto Awesome Feature Engineering oferece um repositório de recursos abrangente e prático para a engenharia de características em aprendizado de máquina, sendo uma referência importante para aprender e aplicar essas técnicas. Através de uma classificação sistemática e links ricos para recursos, ele ajuda os profissionais a encontrar rapidamente métodos de engenharia de características adequados para tipos de dados específicos.