Bewertung:
Das Buch bietet eine angemessene Einführung in Data-Mining-Techniken, insbesondere für Anfänger, mit einigen ansprechenden Beispielen. Es leidet jedoch unter zahlreichen Tippfehlern, schlechtem Lektorat und Problemen beim Zugriff auf ergänzenden Code, was die Gesamtqualität beeinträchtigt.
Vorteile:⬤ Gute Einführung in Data-Mining-Techniken und Konzepte des maschinellen Lernens.
⬤ Zahlreiche praktische Projekte und Beispiele im Stil eines Tutorials machen es auch für Anfänger zugänglich.
⬤ Verwendet Python-Bibliotheken wie scikit-learn, was das Verständnis erleichtert.
⬤ Enthält hilfreiche Code-Beispiele, die in einfacher Sprache erklärt werden.
⬤ Zahlreiche Tipp- und Bearbeitungsfehler im gesamten Buch.
⬤ Schlüsselkonzepte werden unzureichend erklärt, und die Annahme von Kenntnissen des Lesers kann problematisch sein.
⬤ Der Zugang zu den Code-Beispielen erfordert eine Registrierung, und es wird berichtet, dass es keine Antworten vom Verlag gibt.
⬤ Einige Leser wünschen sich eine tiefere Erforschung weniger Themen anstelle eines breiten Überblicks.
(basierend auf 7 Leserbewertungen)
Learning Data Mining with Python
Nutzen Sie die Leistungsfähigkeit von Python, um Daten zu analysieren und aufschlussreiche Vorhersagemodelle zu erstellen
Über dieses Buch
Lernen Sie Data Mining in der Praxis kennen, indem Sie eine Vielzahl von Bibliotheken und Techniken verwenden. Lernen Sie, wie Sie mit Python Daten finden, bearbeiten und analysieren können. Schritt-für-Schritt-Anleitungen zur Erstellung von realen Anwendungen von Data-Mining-Techniken.
Für wen ist dieses Buch gedacht?
Wenn Sie ein Programmierer sind, der mit Data Mining beginnen möchte, dann ist dieses Buch genau das Richtige für Sie.
Was Sie lernen werden
Anwendung von Data-Mining-Konzepten auf reale Probleme Vorhersage von Sportergebnissen auf der Grundlage früherer Ergebnisse Bestimmung des Autors eines Dokuments anhand seines Schreibstils Verwendung von APIs zum Herunterladen von Datensätzen aus sozialen Medien und anderen Online-Diensten Finden und Extrahieren guter Merkmale aus schwierigen Datensätzen Erstellen von Modellen zur Lösung realer Probleme Entwerfen und Entwickeln von Data-Mining-Anwendungen unter Verwendung einer Vielzahl von Datensätzen Einrichten von reproduzierbaren Experimenten und Erzeugen robuster Ergebnisse Empfehlen von Filmen, Online-Prominenten und Nachrichtenartikeln auf der Grundlage persönlicher Vorlieben Berechnen von Big Data, einschließlich Echtzeitdaten aus dem Internet
Im Detail
Der nächste Schritt im Informationszeitalter besteht darin, aus der Flut von Daten, die auf uns zukommen, Erkenntnisse zu gewinnen. Data Mining bietet eine Möglichkeit, diese Erkenntnisse zu gewinnen, und Python ist eine der beliebtesten Sprachen für Data Mining, die sowohl Leistung als auch Flexibilität bei der Analyse bietet.
In diesem Buch lernen Sie, Data-Mining-Anwendungen zu entwerfen und zu entwickeln und dabei eine Vielzahl von Datensätzen zu verwenden. Wir beginnen mit grundlegenden Klassifizierungen und Affinitätsanalysen. Anschließend werden komplexere Datentypen wie Text, Bilder und Graphen behandelt. In jedem Kapitel erstellen wir Modelle, die reale Probleme lösen.
Es gibt eine Vielzahl von Bibliotheken, die in Python für Data Mining zur Verfügung stehen. Dieses Buch deckt eine große Anzahl ab, darunter IPython Notebook, Pandas, Scikit-Learn und NLTK.
Jedes Kapitel dieses Buches führt Sie in neue Algorithmen und Techniken ein. Am Ende des Buches werden Sie einen umfassenden Einblick in die Verwendung von Python für Data Mining gewinnen und ein gutes Wissen und Verständnis für die Algorithmen und Implementierungen haben.
| ISBN: | 9781784396053 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2015 |
| Seitenzahl: | 344 |
Derzeit verfügbar, auf Lager.
