趋近智
应用数据科学：方法与实践
章节 1: 高级数据获取与准备
连接数据库和数据仓库
使用Web API获取数据
网页抓取结构化数据的技巧
高级数据清洗方法
处理缺失值的策略
数据转换与标准化方法
合并与连接不同数据集
动手实践：数据获取与规整
第 1 章测验
章节 2: 实用特征工程
从数值数据生成特征
高效编码类别变量
从文本数据生成特征
交互项与多项式特征
PCA降维
使用统计方法选择特征
实践：特征创建与选择
第 2 章测验
章节 3: 构建与调整预测模型
常用监督学习算法回顾
实施线性回归与逻辑回归
应用基于树的模型
梯度提升机介绍
使用网格搜索和随机搜索进行超参数调优
模型准确度评估
交叉验证策略
动手实践：模型训练与超参数优化
第 3 章测验
章节 4: 应用无监督学习
理解聚类方法要点
实现K-Means聚类
应用 DBSCAN 进行基于密度的聚类
异常检测方法简介
用于可视化的降维
动手实践：聚类与异常检测练习
第 4 章测验
章节 5: 模型部署要点
保存和加载训练好的模型
模型服务框架简介
构建模型预测的REST API
使用 Docker 容器化应用
模型监控基本要点
实践：创建模型API并将其容器化
第 5 章测验
从文本数据生成特征
这部分内容有帮助吗？
- Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition, Daniel Jurafsky and James H. Martin, 2025 - 详细介绍了词袋模型和TF-IDF等文本表示方法，以及必要的预处理技术。
- A vector space model for automatic indexing, Gerard Salton, Anita Wong, and Chung-Shu Yang, 1975 Communications of the ACM, Vol. 18 (Association for Computing Machinery (ACM)) DOI: 10.1145/361219.361220 - 介绍了向量空间模型，该模型是TF-IDF文本表示和信息检索的基础。
- sklearn.feature_extraction.text.CountVectorizer, scikit-learn developers, 2023 - 在Python中使用scikit-learn实现词袋模型的官方文档。
- sklearn.feature_extraction.text.TfidfVectorizer, scikit-learn developers, 2023 - 在Python中使用scikit-learn实现TF-IDF模型的官方文档。
© 2025 ApX Machine Learning用心打造