数据准备和特征工程：数据工程师必知必会技能

作者: 齐伟著

出版社: 电子工业出版社

出版时间: 2020-03

ISBN: 9787121382635

定价: 45.00

装帧: 其他

分类: 计算机与互联网

2 张插图图片

21人买过

  《数据准备和特征工程：数据工程师必知必会技能》详细地介绍了大数据、人工智能等项目中不可或缺的环节和内容：数据准备和特征工程。书中的每节首先以简明方式介绍了基本知识；然后通过实际案例演示了基本知识的实际应用，并提供了针对性练习项目，将“知识、案例、练习”融为一体；最后以“扩展探究”方式引导读者进入更深广的领域。
  《数据准备和特征工程：数据工程师必知必会技能》既适合作为大学相关专业的教材，也适合作为大数据、人工智能等领域的开发人员的参考读物。齐伟，自称老齐，现居苏州，所著在线教程《零基础学Python》及《零基础学Python（第2版）》在业内引起非常大的反响。愿意和来自各方的朋友讨论技术问题，并能提供相关技术服务。第1 章感知数据 001
1．0 了解数据科学项目   001
1．1 文件中的数据  003
1．1．1 CSV文件 003
1．1．2 Excel文件   009
1．1．3 图像文件   015
1．2 数据库中的数据 019
1．3 网页上的数据  029
1．4 来自API 的数据 039
第2 章数据清理  044
2．0 基本概念 045
2．1 转化数据类型  046
2．2 处理重复数据  054
2．3 处理缺失数据  057
2．3．1 检查缺失数据 058
2．3．2 用指定值填补 063
2．3．3 根据规律填补 069
2．4 处理离群数据  076
第3 章特征变换   083
3．0 特征的类型   084
3．1 特征数值化   085
3．2 特征二值化   088
3．3 OneHot编码   093
3．4 数据变换 098
3．5 特征离散化   104
3．5．1 无监督离散化 104
3．5．2 有监督离散化 110
3．6 数据规范化   113
第4 章特征选择   124
4．0 特征选择简述  124
4．1 封装器法 127
4．1．1 循序特征选择 127
4．1．2 穷举特征选择 135
4．1．3 递归特征消除 140
4．2 过滤器法 144
4．3 嵌入法  149
第5 章特征抽取   154
5．1 无监督特征抽取 154
5．1．1 主成分分析  154
5．1．2 因子分析   161
5．2 有监督特征抽取 167
附录A Jupyter简介 173
附录B NumPy简介  176
附录C Pandas简介  185
附录D Matplotlib简介   194
后记  199
内容简介:
《数据准备和特征工程：数据工程师必知必会技能》详细地介绍了大数据、人工智能等项目中不可或缺的环节和内容：数据准备和特征工程。书中的每节首先以简明方式介绍了基本知识；然后通过实际案例演示了基本知识的实际应用，并提供了针对性练习项目，将“知识、案例、练习”融为一体；最后以“扩展探究”方式引导读者进入更深广的领域。
《数据准备和特征工程：数据工程师必知必会技能》既适合作为大学相关专业的教材，也适合作为大数据、人工智能等领域的开发人员的参考读物。
作者简介:
齐伟，自称老齐，现居苏州，所著在线教程《零基础学Python》及《零基础学Python（第2版）》在业内引起非常大的反响。愿意和来自各方的朋友讨论技术问题，并能提供相关技术服务。
目录:
第1 章感知数据 001
1．0 了解数据科学项目   001
1．1 文件中的数据  003
1．1．1 CSV文件 003
1．1．2 Excel文件   009
1．1．3 图像文件   015
1．2 数据库中的数据 019
1．3 网页上的数据  029
1．4 来自API 的数据 039
第2 章数据清理  044
2．0 基本概念 045
2．1 转化数据类型  046
2．2 处理重复数据  054
2．3 处理缺失数据  057
2．3．1 检查缺失数据 058
2．3．2 用指定值填补 063
2．3．3 根据规律填补 069
2．4 处理离群数据  076
第3 章特征变换   083
3．0 特征的类型   084
3．1 特征数值化   085
3．2 特征二值化   088
3．3 OneHot编码   093
3．4 数据变换 098
3．5 特征离散化   104
3．5．1 无监督离散化 104
3．5．2 有监督离散化 110
3．6 数据规范化   113
第4 章特征选择   124
4．0 特征选择简述  124
4．1 封装器法 127
4．1．1 循序特征选择 127
4．1．2 穷举特征选择 135
4．1．3 递归特征消除 140
4．2 过滤器法 144
4．3 嵌入法  149
第5 章特征抽取   154
5．1 无监督特征抽取 154
5．1．1 主成分分析  154
5．1．2 因子分析   161
5．2 有监督特征抽取 167
附录A Jupyter简介 173
附录B NumPy简介  176
附录C Pandas简介  185
附录D Matplotlib简介   194
后记  199