机读格式显示(MARC)

• 000 01931cam 2200361 450

• 001 0000697778

• 005 20200116161500.0

• 010 __ |a 978-7-115-51164-5 |d CNY59.00

• 099 __ |a CAL 012019084201

• 100 __ |a 20190530d2019 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 特征工程入门与实践 |A te zheng gong cheng ru men yu shi jian |d = Feature engineering made easy |f (土) 锡南·厄兹代米尔, 迪夫娅·苏萨拉著 |g 庄嘉盛译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2019

• 215 __ |a 210页 |c 图 |d 24cm

• 225 2_ |a 图灵程序设计丛书 |A tu ling cheng xu she ji cong shu

• 306 __ |a 本书中文简体字版由PacktPublishing授权独家出版

• 314 __ |a 锡南·厄兹代米尔(Sinan Ozdemir)，数据科学家、数学家、约翰·霍普金斯大学讲师，Kylie.ai公司联合创始人、CTO，在应用数据挖掘、功能分析和算法开发做出基于数据和知识的决策方面拥有丰富的经验。

• 314 __ |a 迪夫娅·苏萨拉(Divya Susarla)，在利用数据方面经验丰富，在包括投资管理、社会企业咨询和红酒营销的各个产业和领域里实现并应用过相应的策略。Kylie.ai公司产品经理，目前专注于自然语言处理和生成技术。

• 330 __ |a 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。首先从理解数据开始——机器学习模型的成功取决于如何利用不同类型的特征，例如连续特征、类属特征等。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。你会学习将问题陈述转换为有用的新特征，还会学习如何提供商业需求驱动的特征以及数学见解。最后，你将学习如何在自己的机器上进行机器学习，自动学习数据中令人惊叹的特征。

• 410 _0 |1 2001 |a 图灵程序设计丛书

• 500 10 |a Feature engineering made easy |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _1 |a 厄兹代米尔 |A e zi dai mi er |g (Ozdemir, Sinan) |4 著

• 701 _1 |a 苏萨拉 |A su sa la |g (Susarla, Divya) |4 著

• 702 _0 |a 庄嘉盛 |A Zhuang Jiasheng |4 译

• 801 _0 |a CN |b NEU |c 20190701

• 801 _2 |a CN |b PUL |c 20190902

• 905 __ |a SCNU |f TP181/0990

• 920 __ |a 242430 |z 1