Machine Learning - Die Referenz

Das praktische Nachschlagewerk zum Machine Learning mit strukturierten Daten

Konzentriert sich auf Themen, die für den praktizierenden Machine-Learning-Anwender interessant sind

Enthält eine große Anzahl wertvoller Codebeispiele für strukturierte Daten, die in der Praxis konkret weiterhelfen

Zeigt, wie verschiedene Bibliotheken zur Lösung praktischer Fragestellungen eingesetzt werden

Diese praktische Referenz bietet eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme bei der Auswertung strukturierter Daten. Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als Nachschlagewerk und zur Anregung nutzen können: für eigene Projekte oder als Begleitmaterial für Machine-Learning-Kurse.

Das Buch ist ideal für Data Scientists, Softwareentwickler und Datenanalysten, die Machine Learning praktisch anwenden. Es bietet einen Überblick über den kompletten Machine-Learning-Prozess und stellt Ihnen verschiedene Bibliotheken und Modelle mit ihren jeweiligen Vor- und Nachteilen und Anpassungsmöglichkeiten vor. Die Codebeispiele sind so kompakt und nachvollziehbar, dass Sie sie für Ihre eigenen Projekte verwenden und auch gut anpassen können.
Themen dieser Referenz:

Klassifikation veranschaulicht am Titanic-Datensatz

Datenbereinigung und der Umgang mit fehlenden Daten

Explorative Datenanalyse

Typische Vorverarbeitungsschritte

Auswahl von Merkmalen, die für das Modell relevant sind

Modellauswahl und die Interpretation von Modellen

Regression mit verschiedenen Machine-Learning-Techniken

Metriken für die Klassifikations- und Regressionsbewertung

Clustering und Dimensionsreduktion

Scikit-learn-Pipelines