Python Feature Engineering szakácskönyv

Olvasói vélemények

A könyv a Pythonban történő funkciótervezés jól ismert forrása, különösen alkalmas azok számára, akik rendelkeznek némi előzetes ismerettel az adattudomány és a gépi tanulás területén. Tömör kódpéldákat, gyakorlati recepteket kínál különböző feladatokhoz, és értékes referenciának tekinthető az adatmanipulációhoz. Egyes olvasók azonban hiányolták belőle a statisztikai kontextust érintő mélységet, és a Kindle-verzióval kapcsolatban bizonyos problémákról számoltak be.

Gyors, tömör és hatékony funkciótechnikai kód.

Értékes az összetett folyamatok automatizálásához és a kézi munka csökkentéséhez.

(9 olvasói vélemény alapján)

Eredeti címe:

Python Feature Engineering Cookbook

Könyv tartalma:

Pontos információk kinyerése az adatokból a gépi tanulási modellek képzéséhez és javításához a NumPy, SciPy, pandas és scikit-learn könyvtárak használatával Főbb jellemzők Fedezze fel a jellemzőgenerálás, a jellemzőkivonás és a jellemzőkiválasztás megoldásait Fedezze fel a folyamatos, diszkrét és strukturálatlan adathalmazok végponttól végpontig tartó jellemzőmérnöki folyamatát Modern jellemzőkivonási technikák alkalmazása a Python pandas, scikit-learn, SciPy és NumPy könyvtárak használatával Könyv leírása

A feature engineering felbecsülhetetlen értékű a gépi tanulási modellek fejlesztéséhez és gazdagításához. Ebben a szakácskönyvben a legjobb eszközökkel dolgozhat a feature engineering pipeline-ok és technikák racionalizálásához, valamint a kódja minőségének egyszerűsítéséhez és javításához.

Az olyan Python-könyvtárak, mint a pandas, scikit-learn, Featuretools és Feature-engine segítségével megtanulhatod, hogyan dolgozz folyamatos és diszkrét adathalmazokkal, és hogyan alakítsd át a jellemzőket strukturálatlan adathalmazokból. Elsajátítod a legjobb jellemzők kiválasztásához szükséges készségeket, valamint a legmegfelelőbb extrakciós technikákat. Ez a könyv olyan Python-receptekkel foglalkozik, amelyek segítségével automatizálhatja a feature engineeringet, hogy egyszerűsítse az összetett folyamatokat. Emellett megismerkedhet a különböző feature engineering stratégiákkal, például a box-cox transzformációval, a power transzformációval és a log transzformációval a gépi tanulás, a megerősítő tanulás és a természetes nyelvfeldolgozás (NLP) területein.

A könyv végére tippeket és gyakorlati megoldásokat fog találni az összes funkciótechnikai problémájára. Amit megtanulhat Egyszerűsítse a jellemzőmérnöki csővezetékeket nagy teljesítményű Python-csomagokkal Legyen kézben a hiányzó értékek imputálása Kategorikus változók kódolása széles körű technikákkal Szövegből gyorsan és könnyedén vonjon ki meglátásokat Tranzakciós adatokból és idősoros adatokból dolgozzon ki jellemzőket Új jellemzők levezetése meglévő változók kombinálásával Értse meg, hogyan alakíthatja át, diszkretizálhatja és skálázhatja változóit Informatív változók létrehozása dátumból és időből Kinek szól ez a könyv?

Ez a könyv a gépi tanulással foglalkozó szakembereknek, AI mérnököknek, adattudósoknak, NLP és megerősítő tanulással foglalkozó mérnököknek szól, akik szeretnék optimalizálni és a legjobb funkciókkal gazdagítani gépi tanulási modelljeiket. A gépi tanulás és a Python-kódolás ismerete segít a könyvben tárgyalt fogalmak megértésében. Tartalomjegyzék A változókkal kapcsolatos problémák előrejelzése ML-modellek építése során Hiányzó adatok imputálása Kategorikus változók kódolása Numerikus változók transzformálása Numerikus változók átalakítása Változók diszkretizálásának elvégzése Kiugró értékekkel való munka Jellemzők származtatása dátumokból és időváltozókból Jellemzők skálázásának elvégzése Matematikai számítások alkalmazása a jellemzőkhöz Jellemzők létrehozása tranzakciós és idősoros adatokkal Jellemzők kinyerése szöveges változókból.