Div7anshKushwaha/Feature-Engineering-Methods
GitHub: Div7anshKushwaha/Feature-Engineering-Methods
一个以 Jupyter Notebook 和笔记形式记录机器学习特征工程学习全过程的实践仓库，涵盖编码、缩放、缺失值处理、异常值检测等核心预处理技术。
Stars: 0 | Forks: 0
# 🚀 特征工程方法
⚠️ **本仓库目前正在开发中。** 随着我课程的推进，将定期添加新的 notebook 和笔记。
## 📚 进度
| 序号 | 主题 | 状态 |
|-----|-------|--------|
| 1 | 分类变量编码 | ✅ 已完成 |
| 2 | 分类变量编码（进阶） | ⏳ 即将推出 |
| 3 | Sklearn ColumnTransformer 和 Pipeline | ⏳ 即将推出 |
| 4 | Sklearn 深入探索 | ⏳ 即将推出 |
| 5 | 离散化 | ⏳ 即将推出 |
| 6 | 离散化（进阶） | ⏳ 即将推出 |
| 7 | 缺失数据处理 | ⏳ 即将推出 |
| 8 | 缺失数据处理（进阶） | ⏳ 即将推出 |
| 9 | 缺失值处理 | ⏳ 即将推出 |
| 10 | 特征缩放 | ⏳ 即将推出 |
| 11 | 特征缩放（进阶） | ⏳ 即将推出 |
| 12 | 异常值检测 | ⏳ 即将推出 |
| 13 | 异常值检测（进阶） | ⏳ 即将推出 |
| 14 | 异常值检测技术 | ⏳ 即将推出 |
| 15 | 特征转换 | ⏳ 即将推出 |
## 📂 仓库结构
```
Feature-Engineering-Methods/
│
├── Datasets/
├── Notes/
├── 1.Encoding_Categorical_Variables.ipynb
└── README.md
```
## 📖 涵盖主题
- 分类特征编码
- Label Encoding
- Ordinal Encoding
- One-Hot Encoding
- 特征工程基础
随着课程的推进，将添加更多主题。
## 🛠️ 技术栈
- Python
- Pandas
- NumPy
- Scikit-learn
- Matplotlib
- Jupyter Notebook
## 🎯 目标
本仓库旨在通过分享以下内容，记录我学习特征工程的历程：
- 📚 Jupyter Notebooks
- 📝 课程笔记
- 📊 数据集
- 💡 实践示例
## 📚 学习资源
本仓库包含基于特征工程课程的个人实现和笔记。
原始的讲义幻灯片和教学材料属于其各自的讲师，不包含在本仓库中。
## 📅 进度
**已完成：** 1 / 15 节
## 👨💻 作者
**Divyansh Kushwaha**
🎓 数据科学学士，IIT Madras
💻 有志成为 AI 工程师
标签：Apex, NoSQL, Python, Scikit-learn, 数据预处理, 无后门, 机器学习, 特征工程, 逆向工具