特征工程是机器学习流程中至关重要的一个环节，然而专门讨论这个话题的著作却寥寥无几。本书旨在填补这一空白，着重阐明特征工程的基本原则，介绍大量特征工程技术，教你从原始数据中提取出正确的特征并将其转换为适合机器学习模型的格式，从而轻松构建模型，增强机器学习算法的效果。 然而，本书并非单纯地讲述特征工程的基本原则，而是通过大量示例和练习将重点放在了实际应用上。每一章都集中研究一个数据问题：如何表示文本数据或图像数据，如何为自动生成的特征降低维度，何时以及如何对特征进行标准化，等等。最后一章通过一个完整的例子演示了多种特征工程技术的实际应用。书中所有代码示例均是用 Python 编写的，涉及 NumPy、Pandas、scikit-learn 和 Matplotlib 等程序包。 • 数值型数据的特征工程：过滤、分箱、缩放、对数变换和指数变换 • 自然文本技...(展开全部)

古埃及的莲花式柱头，中世纪的火焰式彩窗，玛丽―安托瓦内特的金色书房，拿破仑皇后的穿衣镜……几千年来审美潮流的变迁，正是通过一个个具体的装饰实例得到展现。本书通过专家精练的文字，配以多达450余张的插图，捕捉欧洲及相关文明中各种流行风格的风貌特征。艺术与文化总是复杂有如迷宫，书中这一简而精的形式，犹如铺设了一条清晰的道路，引领人畅游于美的花园而不会迷失方向，自在法国首版以来，已风行40余年而不衰。 风格，就在一个个细节之中。

风格，就在一个个细节之中。古埃及的莲花式柱头、中世纪的火焰式彩窗、玛丽- 安托瓦内特的金色书房、拿破仑皇后的穿衣镜……几千年来审美潮流的变迁，正是通过一个个具体的装饰实例得以展现。本书通过专家精练的文字，配以数百张的插图，捕捉欧洲及相关文明中各种流行风格的风貌特征。艺术与文化总是复杂有如迷宫，书中这一简而精的形式，犹如铺设了一条清晰的道路，引领人畅游于美的花园而不会迷失方向。 本书自1944 年首版以来，长销不衰。本次中文版由Flammarion2014 年版译出，该版增加了两次世界大战至今装饰潮流的演变，并对在法国以外地区发展起来的西方风格予以更多篇幅的介绍。

易中天先生主编的这本《艺术的特征》，是我社于2002年10月出版的。该书原是福建省社会科学院组织出版的“走进社会科学丛书”之一种。作为易中天先生的一本学术著作，却湮没在书海中，殊为可惜! 今天的易先生，因讲“三国”而声名远播，可谓家喻户晓，以至人们误以为他是专门研究历史的。殊不知，易先生虽涉猎广泛，专攻的却是美学。他的代表作就有《 美学思想论稿》、《黄与蓝的交响——中西美学比较论》(与邓晓芒合作)等。《艺术的特征》就用他一以贯之，看似轻松而又洋溢幽默色彩的文字，深入浅出地阐述了工艺、建筑、戏剧、电影、文学的特征。今天，我们重版易中天先生主编的这本《艺术的特征》，是想让读者诸君能比较全面地了解易中天先生。 此次重版，除了对第一版文字做了订正外，还添加了一些图片，为的是让读者更深入地理解和轻松品读是书。特此说明。

特征工程是机器学习流程中至关重要的一个环节，然而专门讨论这个话题的著作却寥寥无几。本书旨在填补这一空白，着重阐明特征工程的基本原则，介绍大量特征工程技术，教你从原始数据中提取出正确的特征并将其转换为适合机器学习模型的格式，从而轻松构建模型，增强机器学习算法的效果。 然而，本书并非单纯地讲述特征工程的基本原则，而是通过大量示例和练习将重点放在了实际应用上。每一章都集中研究一个数据问题：如何表示文本数据或图像数据，如何为自动生成的特征降低维度，何时以及如何对特征进行标准化，等等。最后一章通过一个完整的例子演示了多种特征工程技术的实际应用。书中所有代码示例均是用 Python 编写的，涉及 NumPy、Pandas、scikit-learn 和 Matplotlib 等程序包。 • 数值型数据的特征工程：过滤、分箱、缩放、对数变换和指数变换 • 自然文本技...(展开全部)

本书将带你了解特征工程的完整过程，使机器学习更加系统、高效。你会从理解数据开始学习，机器学习模型的成功正是取决于如何利用不同类型的特征，例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略一项特征，以及其中的原因。你还会学习如何将问题陈述转换为有用的新特征，如何提供由商业需求和数学见解驱动的特征，以及如何在自己的机器上进行机器学习，从而自动学习数据中的特征。

《犯罪人特征剖析》中的连环凶杀案件，令人毛骨悚然：破案线索一无所获，凶手依然逍遥法外。 茫茫人海，谁是真凶？ 现代的福尔摩斯们决不会束手无策，因为再狡猾的犯罪分子也抹不去自己的心理痕迹。 犯罪现场留下了蛛丝马迹，在看似毫不起眼的细节里，寻找犯罪人的心理痕迹，刻画出犯罪心理特征。 接着，犯罪嫌疑人的性别、年龄、种族、职业、学历、家庭、人际关系、生活环境、习惯行为等等一一浮出水面。

《代数特征值问题》是一本计算数学名著。作者用摄动理论和向后误差分析方法系统地论述代数特征值问题以及有关的线性代数方程组、多项式零点的各种解法，并对方法的性质作了透彻的分析。《代数特征值问题》的内容为研究代数特征值及有关问题提供了严密的理论基础和强有力的工具。《代数特征值问题》共分九章。第一章叙述矩阵理论，第二、三章介绍摄动理论和向后舍入误差分析方法，第四章分析线性代数方程组解法，第五章讨论Hermite矩阵的特征值问题，第六、七章研究如何把一般矩阵化为压缩型矩阵及压缩型矩阵的特征值的问题，第八章论述LR和QR算法，最后一章讨论各种迭代法。

本书将带你了解特征工程的完整过程，使机器学习更加系统、高效。你会从理解数据开始学习，机器学习模型的成功正是取决于如何利用不同类型的特征，例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略一项特征，以及其中的原因。你还会学习如何将问题陈述转换为有用的新特征，如何提供由商业需求和数学见解驱动的特征，以及如何在自己的机器上进行机器学习，从而自动学习数据中的特征。

《代数特征值问题》是一本计算数学名著。作者用摄动理论和向后误差分析方法系统地论述代数特征值问题以及有关的线性代数方程组、多项式零点的各种解法，并对方法的性质作了透彻的分析。《代数特征值问题》的内容为研究代数特征值及有关问题提供了严密的理论基础和强有力的工具。《代数特征值问题》共分九章。第一章叙述矩阵理论，第二、三章介绍摄动理论和向后舍入误差分析方法，第四章分析线性代数方程组解法，第五章讨论Hermite矩阵的特征值问题，第六、七章研究如何把一般矩阵化为压缩型矩阵及压缩型矩阵的特征值的问题，第八章论述LR和QR算法，最后一章讨论各种迭代法。