Python Feature Engineering Cookbook - Ediția a doua: Peste 70 de rețete pentru crearea, ingineria și transformarea caracteristicilor pentru a construi machine learning m

Recenzii ale cititorilor

„Python Feature Engineering Cookbook, 2nd Edition” de Soledad Galli este o resursă cuprinzătoare pentru stăpânirea tehnicilor de inginerie a caracteristicilor în învățarea automată. Ea oferă rețete concise și practice, împreună cu codul Python relevant și îndrumări privind cele mai bune practici. Mulți utilizatori apreciază conținutul actualizat al cărții și stilul accesibil, ceea ce o face utilă atât pentru începători, cât și pentru cercetătorii de date cu experiență. Cu toate acestea, unii recenzenți au remarcat că anumite tehnici avansate și discuții privind selectarea caracteristicilor și învățarea profundă ar putea fi îmbunătățite sau incluse.

⬤ Instrucțiuni concise și clare privind tehnicile de inginerie a caracteristicilor.
⬤ Exemple practice și fragmente de cod pentru o implementare ușoară.
⬤ Acoperire cuprinzătoare a diferitelor tehnici, inclusiv a subiectelor avansate.
⬤ Menține relevanța prin actualizările din ediția a 2-a.
⬤ Calitatea excepțională a bibliotecii Feature-Engine care o însoțește.
⬤ Potrivit pentru o gamă largă de utilizatori, de la începători la practicieni experimentați.

⬤ Unele tehnici avansate, cum ar fi reprezentarea datelor în domeniul frecvenței, nu sunt acoperite.
⬤ Discuții limitate privind selectarea caracteristicilor și relația dintre metodele de inginerie a caracteristicilor și statisticile inferențiale.
⬤ Câțiva utilizatori au exprimat că ar fi benefică o explorare mai aprofundată a dezavantajelor anumitor metode.

(pe baza a 11 recenzii ale cititorilor)

Titlul original:

Python Feature Engineering Cookbook - Second Edition: Over 70 recipes for creating, engineering, and transforming features to build machine learning m

Conținutul cărții:

Creați conducte de inginerie a caracteristicilor de la un capăt la altul, reproductibile, care pot fi implementate în producție utilizând biblioteci Python open-source

Caracteristici cheie:

⬤ Învățați și implementați cele mai bune practici de inginerie a caracteristicilor.

⬤ Reforțați-vă învățarea cu ajutorul mai multor rețete practice.

⬤ Construiți conducte de inginerie a caracteristicilor de la un capăt la altul care sunt performante și reproductibile.

Descrierea cărții:

Ingineria caracteristicilor, procesul de transformare a variabilelor și de creare a caracteristicilor, deși consumatoare de timp, asigură că modelele dvs. de învățare automată funcționează fără probleme. Această a doua ediție a Python Feature Engineering Cookbook va elimina dificultățile legate de ingineria caracteristicilor, arătându-vă cum să utilizați bibliotecile Python open source pentru a accelera procesul printr-o multitudine de rețete practice și practice.

Această ediție actualizată începe prin abordarea provocărilor fundamentale legate de date, cum ar fi datele lipsă și valorile categoriale, înainte de a trece la strategii de abordare a distribuțiilor oblice și a valorilor aberante. Ultimele capitole vă arată cum să dezvoltați noi caracteristici din diferite tipuri de date, inclusiv text, serii cronologice și baze de date relaționale. Cu ajutorul a numeroase biblioteci Python cu sursă deschisă, veți învăța cum să implementați fiecare metodă de inginerie a caracteristicilor într-un mod performant, reproductibil și elegant.

Până la sfârșitul acestei cărți Python, veți avea instrumentele și expertiza necesare pentru a construi cu încredere conducte de inginerie a caracteristicilor de la un capăt la altul și reproductibile, care pot fi implementate în producție.

Ce veți învăța:

⬤ Imputați datele lipsă utilizând diverse metode univariate și multivariate.

⬤ Codificați variabilele categoriale cu codare unidirecțională, ordinală și de numărare.

⬤ Manipularea variabilelor categoriale foarte cardinale.

⬤ Transformați, discretizați și scalați variabilele.

⬤ Creați variabile din dată și oră cu pandas și Feature-engine.

⬤ Combinați variabilele în caracteristici noi.

⬤ Extrageți caracteristici din text, precum și din date tranzacționale cu Featuretools.

⬤ Crearea de caracteristici din serii de date temporale cu tsfresh.

Pentru cine este această carte:

Această carte este destinată studenților și profesioniștilor din domeniul învățării automate și al științei datelor, precum și inginerilor software care lucrează la implementarea modelelor de învățare automată, care doresc să afle mai multe despre cum să își transforme datele și să creeze noi caracteristici pentru a antrena modelele de învățare automată într-un mod mai bun.