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 ist eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme mit strukturierten Daten.

Der Autor Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als zusätzliche Unterstützung während eines Machine-Learning-Kurses nutzen können oder als Nachschlagewerk, wenn Sie Ihr nächstes ML-Projekt mit Python starten.

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 führt Sie durch die Klassifizierung strukturierter Daten. Sie lernen dann unter anderem Methoden zur Modellauswahl, zur Regression, zur Reduzierung der Dimensionalität und zum Clustering kennen. Die Codebeispiele sind so kompakt angelegt, 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