- Abhishek Thakur，很多kaggler对他都非常熟悉，2017年，他在 Linkedin 发表了一篇名为Approaching (Almost) Any Machine Learning Problem的文章，介绍他建立的一个自动的机器学习框架，几乎可以解决任何机器学习问题，这篇文章曾火遍 Kaggle。
- Abhishek在Kaggle上的成就：
- Competitions Grandmaster（17枚金牌，世界排名第3）
- Kernels Expert （Kagglers排名前1％）
- Discussion Grandmaster（65枚金牌，世界排名第2）
- 目前，Abhishek在挪威boost公司担任首席数据科学家的职位，这是一家专门从事会话人工智能的软件公司。
- 本文对Approaching (Almost) Any Machine Learning Problem进行了中文翻译，由于本人水平有限，且未使用机器翻译，可能有部分言语不通顺或本土化程度不足，也请大家在阅读过程中多提供宝贵意见。另附上书籍原项目地址
- 因为有几章内容太过基础，所以未进行翻译，详细情况请参照书籍目录：
- 准备环境（未翻译）
- 无监督和有监督学习（未翻译）
- 交叉检验（已翻译）
- 评估指标（已翻译）
- 组织机器学习（已翻译）
- 处理分类变量（已翻译）
- 特征工程（已翻译）
- 特征选择（已翻译）
- 超参数优化（已翻译）
- 图像分类和分割方法（未翻译）
- 文本分类或回归方法（未翻译）
- 组合和堆叠方法（未翻译）
- 可重复代码和模型方法（未翻译）
- 我将会把翻译后
markdown文件放在Github上，供大家免费下载，观看时建议使用PDF。若在阅读过程中发现错误，也欢迎大家提出issue或者PR协助我修改。 - 如果后续大家有需要可能会继续翻译未翻译的章节，如果对大家有帮助的话，请帮忙点个star，或者关注。