Leserbewertungen
Zusammenfassung:Das „Python Feature Engineering Cookbook, 2nd Edition“ von Soledad Galli ist eine umfassende Ressource für die Beherrschung von Feature-Engineering-Techniken im maschinellen Lernen. Es bietet prägnante, praktische Rezepte zusammen mit relevantem Python-Code und Anleitungen zu Best Practices. Viele Nutzer schätzen den aktualisierten Inhalt und den zugänglichen Stil des Buches, wodurch es sowohl für Anfänger als auch für erfahrene Datenwissenschaftler nützlich ist. Einige Rezensenten merkten jedoch an, dass bestimmte fortgeschrittene Techniken und Diskussionen über Feature Selection und Deep Learning verbessert oder aufgenommen werden könnten.
Vorteile:⬤ Prägnante und klare Anleitung zu Feature-Engineering-Techniken.
⬤ Praktische Beispiele und praktische Codeschnipsel für eine einfache Implementierung.
⬤ Umfassende Abdeckung verschiedener Techniken, einschließlich fortgeschrittener Themen.
⬤ Behält seine Relevanz durch Aktualisierungen in der 2. Auflage bei.
⬤ Außergewöhnliche Qualität der begleitenden Feature-Engine-Bibliothek.
⬤ Geeignet für ein breites Spektrum von Benutzern, vom Anfänger bis zum erfahrenen Praktiker.
⬤ Einige fortgeschrittene Techniken, wie die Darstellung von Daten im Frequenzbereich, werden nicht behandelt.
⬤ Begrenzte Diskussion über die Feature-Auswahl und die Beziehung zwischen Feature-Engineering-Methoden und Inferenzstatistik.
⬤ Einige Benutzer äußerten, dass eine tiefere Erforschung der Nachteile bestimmter Methoden von Vorteil wäre.
(basierend auf 11 Leserbewertungen)
Originaltitel:
Python Feature Engineering Cookbook - Second Edition: Over 70 recipes for creating, engineering, and transforming features to build machine learning m
Inhalt des Buches:
Erstellen von durchgängigen, reproduzierbaren Feature-Engineering-Pipelines, die mit Open-Source-Python-Bibliotheken in die Produktion übernommen werden können
Hauptmerkmale:
⬤ Erlernen und Implementieren von Best Practices im Feature Engineering.
⬤ Vertiefen Sie Ihr Wissen mit Hilfe mehrerer praktischer Rezepte.
⬤ Erstellen Sie durchgängige Feature-Engineering-Pipelines, die performant und reproduzierbar sind.
Buchbeschreibung:
Feature Engineering, der Prozess der Variablentransformation und der Erstellung von Features, ist zwar zeitaufwändig, stellt aber sicher, dass Ihre Machine-Learning-Modelle reibungslos funktionieren. Diese zweite Ausgabe des Python Feature Engineering Cookbook nimmt Ihnen die Mühe des Feature Engineering ab, indem es Ihnen zeigt, wie Sie Open-Source-Python-Bibliotheken nutzen können, um den Prozess durch eine Fülle praktischer, praxisnaher Rezepte zu beschleunigen.
Diese aktualisierte Ausgabe befasst sich zunächst mit grundlegenden Datenproblemen wie fehlenden Daten und kategorialen Werten, bevor sie zu Strategien für den Umgang mit schiefen Verteilungen und Ausreißern übergeht. Die abschließenden Kapitel zeigen Ihnen, wie Sie neue Funktionen aus verschiedenen Datentypen, einschließlich Text, Zeitreihen und relationalen Datenbanken, entwickeln können. Mithilfe zahlreicher Open-Source-Python-Bibliotheken lernen Sie, wie Sie die einzelnen Feature-Engineering-Methoden auf performante, reproduzierbare und elegante Weise implementieren.
Am Ende dieses Python-Buches werden Sie über die Werkzeuge und das Fachwissen verfügen, das Sie benötigen, um selbstbewusst durchgängige und reproduzierbare Feature-Engineering-Pipelines zu erstellen, die in der Produktion eingesetzt werden können.
Was Sie lernen werden:
⬤ Mit verschiedenen univariaten und multivariaten Methoden fehlende Daten berechnen.
⬤ Kodierung kategorialer Variablen mit Einpunkt-, Ordinal- und Zählkodierung.
⬤ Handhabung hochkardinaler kategorialer Variablen.
⬤ Transformieren, diskretisieren und skalieren Sie Ihre Variablen.
⬤ Erstellen von Variablen aus Datum und Zeit mit Pandas und Feature-Engine.
⬤ Variablen zu neuen Merkmalen kombinieren.
⬤ Merkmale aus Text sowie aus Transaktionsdaten mit Featuretools extrahieren.
⬤ Erstellen von Merkmalen aus Zeitreihendaten mit tsfresh.
Für wen dieses Buch gedacht ist:
Dieses Buch richtet sich an Studenten und Fachleute aus den Bereichen maschinelles Lernen und Datenwissenschaft sowie an Softwareingenieure, die an der Entwicklung von Modellen für maschinelles Lernen arbeiten und mehr darüber erfahren möchten, wie sie ihre Daten umwandeln und neue Funktionen erstellen können, um maschinelle Lernmodelle besser zu trainieren.
Weitere Daten des Buches:
| ISBN: | 9781804611302 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
