Awesome 特徵工程 專案介紹

專案概述

Awesome 特徵工程 是一個專門收集機器學習特徵工程技術資源的精選列表。該專案由 Andrei Khobnia 維護，遵循 Creative Commons Attribution-Noncommercial-ShareAlike 3.0 Unported License 許可協議。

該專案為機器學習從業者提供了一個全面的特徵工程技術資源庫，涵蓋了不同資料類型的特徵工程方法和工具。

主要內容分類

1. 數值資料 (Numeric Data)

• 資料轉換：

  • Box-Cox 轉換：scipy.stats.boxcox
  • 對數轉換：np.log (x + const)

• 自動化特徵工程：

  • Featuretools：用於自動化特徵工程

• 特徵互動：

  • sklearn.preprocessing.PolynomialFeatures：多項式特徵生成
  • 除法運算
  • 其他互動式特徵

2. 文字資料 (Textual Data)

• 詞袋模型：

  • 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

• 詞嵌入技術：

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

• 特徵提取技術：

  • ClearTK - Feature Extraction Tutorial
  • 正規表達式
  • Part-of-Speech_Tagging
  • NLTK Categorizing and Tagging Words

3. 影像資料 (Image Data)

• 傳統特徵提取：

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

• 深度學習特徵提取：

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

4. 分類資料 (Categorical Data)

• 獨熱編碼：

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

• 目標編碼：

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

• 特徵雜湊：

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

5. 時間序列資料 (Time Series Data)

• 自動特徵提取：
  • Automatic extraction of relevant features from time series
  • Basic Feature Engineering With Time Series Data in Python

6. 地理空間資料 (Geospatial Data)

• 包含地理位置相關的特徵工程技術

專案特色

1. 全面性：涵蓋了機器學習中主要的資料類型和相應的特徵工程技術
2. 實用性：提供了具體的工具庫和程式碼實作
3. 開源性：採用開源許可協議，歡迎社群貢獻
4. 權威性：連結到權威的文件、教學和學術資源
5. 可操作性：提供了具體的Python函式庫和函式呼叫方法

使用價值

該專案對以下人群特別有價值：

• 機器學習工程師
• 資料科學家
• 特徵工程研究人員
• 機器學習初學者
• 希望提升模型效能的從業者

貢獻方式

專案鼓勵社群貢獻，可以透過建立 pull requests 來新增資源或改進現有內容。

總結

Awesome 特徵工程 專案為機器學習特徵工程提供了一個全面而實用的資源庫，是學習和應用特徵工程技術的重要參考資料。透過系統化的分類和豐富的資源連結，幫助從業者快速找到適合特定資料類型的特徵工程方法。