Curățarea și explorarea datelor cu învățarea automată: Familiarizați-vă cu tehnicile de învățare automată pentru a obține rapid date strălucitor de curate

Recenzii ale cititorilor

Această carte este un ghid cuprinzător și ușor pentru începători, axat pe curățarea și pregătirea datelor pentru învățarea automată. Oferă exerciții practice, perspective valoroase și tehnici practice care lipsesc adesea în alte resurse. Deși este foarte bine cotată pentru explicațiile sale clare și exemplele utile, există indicii că ar putea fi lipsită de profunzime în unele subiecte avansate.

⬤ Explicații cuprinzătoare și clare ale tehnicilor de curățare și pregătire a datelor.
⬤ Exerciții practice și exemple de cod disponibile pe GitHub.
⬤ Excelentă pentru începători și servește drept referință solidă pentru utilizatorii experimentați.
⬤ Stil de scriere captivant și accesibil; pare conversațional.
⬤ Se concentrează pe cele mai valoroase tehnici care conduc la rezultate în învățarea automată.

⬤ Lipsă de profunzime în subiecte avansate, cum ar fi învățarea profundă și analiza erorilor.
⬤ Unii cititori își doresc un set de instrumente mai larg pentru aplicații de modelare complexe.
⬤ Se concentrează mai mult pe conținutul de nivel începător, care ar putea să nu satisfacă cercetătorii de date mai experimentați care caută informații avansate.

(pe baza a 7 recenzii ale cititorilor)

Titlul original:

Data Cleaning and Exploration with Machine Learning: Get to grips with machine learning techniques to achieve sparkling-clean data quickly

Conținutul cărții:

Explorați tehnici de învățare automată supraîncărcate pentru a avea grijă de sarcinile dvs. de spălare a datelor

Caracteristici principale:

⬤ Învățați cum să pregătiți datele pentru procesele de învățare automată.

⬤ Înțelegeți ce algoritmi se bazează pe obiectivele de predicție și pe proprietățile datelor.

⬤ Explorați cum să interpretați și să evaluați rezultatele învățării automate.

Descrierea cărții:

Multe persoane care știu cum să ruleze algoritmi de învățare automată nu au un bun simț al ipotezelor statistice pe care le fac și cum să potrivească proprietățile datelor cu algoritmul pentru cele mai bune rezultate.

Când începeți cu această carte, modelele sunt alese cu grijă pentru a vă ajuta să înțelegeți datele de bază, inclusiv importanța și corelația caracteristicilor, precum și distribuția caracteristicilor și a țintelor. Primele două părți ale cărții vă introduc în tehnicile de pregătire a datelor pentru algoritmii ML, fără a fi timizi cu privire la utilizarea unor tehnici ML pentru curățarea datelor, inclusiv detectarea anomaliilor și selectarea caracteristicilor. Cartea vă ajută apoi să aplicați aceste cunoștințe la o mare varietate de sarcini ML. Veți dobândi o înțelegere a algoritmilor supravegheați și nesupravegheați populari, cum să pregătiți datele pentru aceștia și cum să îi evaluați. Apoi, veți construi modele și veți înțelege relațiile din datele dvs., precum și veți efectua sarcini de curățare și explorare cu aceste date. Veți face progrese rapide în studierea distribuției variabilelor, identificarea anomaliilor și examinarea relațiilor bivariate, deoarece în această carte vă veți concentra mai mult pe precizia predicțiilor.

Până la sfârșitul acestei cărți, veți fi capabil să rezolvați probleme complexe legate de date utilizând algoritmi ML nesupravegheați, precum analiza componentelor principale și gruparea k-means.

Ce veți învăța:

⬤ Explorați tehnicile esențiale de curățare și explorare a datelor care trebuie utilizate înainte de a rula cei mai populari algoritmi de învățare automată.

⬤ Înțelegeți cum să efectuați preprocesarea și selectarea caracteristicilor și cum să configurați datele pentru testare și validare.

⬤ Modelarea obiectivelor continue cu algoritmi de învățare supravegheată.

⬤ Modelarea obiectivelor binare și multiclasă cu algoritmi de învățare supravegheată.

⬤ Executarea grupării și a reducerii dimensiunilor cu algoritmi de învățare nesupravegheați.

⬤ Înțelegeți cum să utilizați arbori de regresie pentru a modela un obiectiv continuu.

Pentru cine este această carte:

Această carte se adresează cercetătorilor profesioniști de date, în special celor aflați în primii ani de carieră, sau analiștilor mai experimentați care sunt relativ noi în învățarea automată. Cititorii ar trebui să aibă cunoștințe prealabile despre conceptele de statistică predate de obicei într-un curs introductiv universitar, precum și experiență la nivel de începător în manipularea datelor în mod programatic.