Python Feature Engineering Cookbook

Opinie czytelników

Książka jest dobrze przyjętym źródłem informacji na temat inżynierii funkcji w Pythonie, szczególnie przydatnym dla osób posiadających wcześniejszą wiedzę z zakresu nauki o danych i uczenia maszynowego. Zawiera zwięzłe przykłady kodu, praktyczne przepisy na różne zadania i jest postrzegana jako cenne źródło informacji na temat manipulacji danymi. Niektórzy czytelnicy uznali jednak, że brakuje jej głębi w kontekście statystycznym i zgłoszono pewne problemy z wersją Kindle.

Szybki, zwięzły i skuteczny kod inżynierii funkcji.

Przydatny do automatyzacji złożonych procesów i redukcji ręcznego wysiłku.

(na podstawie 9 opinii czytelników)

Zawartość książki:

Wyodrębnij dokładne informacje z danych, aby trenować i ulepszać modele uczenia maszynowego przy użyciu bibliotek NumPy, SciPy, pandas i scikit-learn Kluczowe cechy Odkryj rozwiązania do generowania cech, ekstrakcji cech i selekcji cech Odkryj kompleksowy proces inżynierii cech w ciągłych, dyskretnych i nieustrukturyzowanych zbiorach danych Zaimplementuj nowoczesne techniki ekstrakcji cech przy użyciu bibliotek Pythona pandas, scikit-learn, SciPy i NumPy Opis książki

Inżynieria cech jest nieoceniona przy opracowywaniu i wzbogacaniu modeli uczenia maszynowego. W tej książce kucharskiej będziesz pracować z najlepszymi narzędziami, aby usprawnić swoje potoki i techniki inżynierii cech oraz uprościć i poprawić jakość swojego kodu.

Korzystając z bibliotek Pythona, takich jak pandas, scikit-learn, Featuretools i Feature-engine, nauczysz się pracować zarówno z ciągłymi, jak i dyskretnymi zbiorami danych i będziesz w stanie przekształcać cechy z nieustrukturyzowanych zbiorów danych. Rozwiniesz umiejętności niezbędne do wyboru najlepszych cech, a także najbardziej odpowiednich technik ekstrakcji. Książka ta obejmuje przepisy Pythona, które pomogą zautomatyzować inżynierię cech w celu uproszczenia złożonych procesów. Zapoznasz się również z różnymi strategiami inżynierii cech, takimi jak transformacja box-cox, transformacja mocy i transformacja logarytmiczna w domenach uczenia maszynowego, uczenia ze wzmocnieniem i przetwarzania języka naturalnego (NLP).

Pod koniec tej książki poznasz wskazówki i praktyczne rozwiązania wszystkich problemów związanych z inżynierią cech. Czego się nauczysz Uprość swoje potoki inżynierii cech dzięki potężnym pakietom Pythona Zapoznaj się z imputacją brakujących wartości Koduj zmienne kategorialne za pomocą szerokiego zestawu technik Wyciągaj wnioski z tekstu szybko i bez wysiłku Rozwijaj cechy z danych transakcyjnych i danych szeregów czasowych Uzyskaj nowe cechy, łącząc istniejące zmienne Dowiedz się, jak przekształcać, dyskretyzować i skalować zmienne Twórz zmienne informacyjne na podstawie daty i czasu Dla kogo jest ta książka?

Ta książka jest przeznaczona dla specjalistów od uczenia maszynowego, inżynierów sztucznej inteligencji, analityków danych oraz inżynierów NLP i uczenia ze wzmocnieniem, którzy chcą zoptymalizować i wzbogacić swoje modele uczenia maszynowego o najlepsze funkcje. Znajomość uczenia maszynowego i kodowania w języku Python pomoże ci zrozumieć koncepcje omówione w tej książce. Spis treści Przewidywanie problemów ze zmiennymi podczas budowania modeli uczenia maszynowego Zastępowanie brakujących danych Kodowanie zmiennych kategorycznych Przekształcanie zmiennych numerycznych Dyskretyzacja zmiennych Praca z wartościami odstającymi Wyodrębnianie cech na podstawie dat i zmiennych czasowych Skalowanie cech Zastosowanie obliczeń matematycznych do cech Tworzenie cech na podstawie danych transakcyjnych i szeregów czasowych Wyodrębnianie cech na podstawie zmiennych tekstowych