【レビュー】機械学習のための特微量エンジニアリング

機械学習や人工知能の性能を決める特徴量作成・変換／選択について詳述した書籍！
本書は、機械学習を行うエンジニアが知るべき特徴量抽出の基本から応用、最新のテーマまでを網羅した書籍です。内容としてはそれほど難しくないため、機械学習を学んでいる人が特徴量エンジニアリングについて学びはじめる書籍として最適です。

機械学習を行うエンジニアが知るべき特徴量抽出の基本から応用、最新のテーマまでを網羅した書籍。

　・2023年版データ分析の100冊[2023-08-26に投稿]

　・「全力回避フラグちゃん!」チャンネルの動画のサムネイルをクラスタリングを用いて可視化するとどうなるか？【可視化】【クラスタリング】[2021-10-03に投稿]

　・「全力回避フラグちゃん!」チャンネルの動画のk-meansで可視化してみた【クラスタリング】【可視化】[2021-09-25に投稿]

　・私がこれから機械学習・ディープラーニングを教わる海外の人たち[2021-06-18に投稿]

　・【Webエンジニアど素人】が【3〜4年生】くらいになったら読むといい本を目的別にまとめた[2020-12-19に投稿]

　・データサイエンス関連の本を紹介する。[2020-11-23に投稿]

　・第5回 機械学習のための特徴量エンジニアリング - 特徴選択[2020-03-17に投稿]

　・第4回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - 交互作用特徴量[2020-03-16に投稿]

　・第3回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - スケーリング[2020-03-15に投稿]

　・第2回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - 対数変換とBox-Cox変換[2020-03-08に投稿]

　・第1回 Google Colaboratoryで始める機械学習のための特徴量エンジニアリング - カウントデータの二値化と離散化 [2020-03-08に投稿]

　・2019年個人的に気になった研究&技術の振り返り[2019-12-29に投稿]

　・k-meansを実装して幸せな年末を迎える[2019-12-13に投稿]

　・機械学習未経験の新卒が現場ベースで学んだ機械学習[2019-12-01に投稿]

　・KAGGLEでどこから手を付けていいか分からず学ぶことが多すぎてまとめてみた[2019-08-04に投稿]

　・AWS Certified Machine Learning – Specialtyを受けてきた[2019-07-16に投稿]

　・これから機械学習をやる人のための大学初等レベルの線形代数[2019-04-03に投稿]

　・Kaggleのための小規模なMLプロジェクトで頑張った話[2019-03-31に投稿]

　・Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～[2019-03-30に投稿]

　・【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメのAI勉強方法 (2019年改定版)[2019-03-23に投稿]

　・X-meansとボロノイ図描写をPythonで試してみる[2019-03-23に投稿]

　・PandasとPySparkの特徴量取り扱い対比[2019-03-10に投稿]

　・特徴量エンジニアリングの手法としてのクラスタリング(とX-meansによる最適なクラスタ数の導入)[2019-03-03に投稿]

　・Feature-Engineeringのリンク集めてみた[2018-07-31に投稿]

　・【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本[2016-08-23に投稿]