Ricettario di ingegneria delle caratteristiche in Python

Recensioni dei lettori

Il libro è una risorsa molto apprezzata per l'ingegneria delle caratteristiche in Python, particolarmente adatta a coloro che hanno una conoscenza preliminare della scienza dei dati e dell'apprendimento automatico. Fornisce esempi di codice concisi, ricette pratiche per vari compiti ed è considerato un riferimento prezioso per la manipolazione dei dati. Tuttavia, alcuni lettori l'hanno trovato poco approfondito per quanto riguarda il contesto statistico e sono stati segnalati alcuni problemi con la versione Kindle.

Codice di feature engineering rapido, conciso ed efficace.

Prezioso per automatizzare processi complessi e ridurre lo sforzo manuale.

(basato su 9 recensioni dei lettori)

Titolo originale:

Python Feature Engineering Cookbook

Contenuto del libro:

Estrarre informazioni accurate dai dati per addestrare e migliorare i modelli di apprendimento automatico utilizzando le librerie NumPy, SciPy, pandas e scikit-learn Caratteristiche principali Scoprire le soluzioni per la generazione di funzioni, l'estrazione di funzioni e la selezione di funzioni Scoprire il processo end-to-end di ingegneria delle funzioni su insiemi di dati continui, discreti e non strutturati Implementare le moderne tecniche di estrazione delle funzioni utilizzando le librerie Python pandas, scikit-learn, SciPy e NumPy Descrizione del libro

L'ingegneria delle caratteristiche è preziosa per sviluppare e arricchire i modelli di apprendimento automatico. In questo ricettario, lavorerete con i migliori strumenti per ottimizzare le vostre pipeline e tecniche di feature engineering e per semplificare e migliorare la qualità del vostro codice.

Utilizzando librerie Python come pandas, scikit-learn, Featuretools e Feature-engine, imparerete a lavorare con insiemi di dati sia continui che discreti e a trasformare le caratteristiche da insiemi di dati non strutturati. Svilupperete le competenze necessarie per selezionare le caratteristiche migliori e le tecniche di estrazione più adatte. Questo libro contiene ricette Python che vi aiuteranno ad automatizzare l'ingegnerizzazione delle caratteristiche per semplificare processi complessi. Verranno inoltre illustrate diverse strategie di feature engineering, come la trasformata box-cox, la trasformata power e la trasformata log nei domini dell'apprendimento automatico, dell'apprendimento per rinforzo e dell'elaborazione del linguaggio naturale (NLP).

Alla fine di questo libro, avrete scoperto suggerimenti e soluzioni pratiche per tutti i vostri problemi di feature engineering. Cosa imparerete Semplificate le vostre pipeline di feature engineering con i potenti pacchetti Python Imparate a imputare i valori mancanti Codificate le variabili categoriche con un'ampia serie di tecniche Estraete insight dal testo in modo rapido e semplice Sviluppate caratteristiche dai dati transazionali e dalle serie temporali Derivate nuove caratteristiche combinando le variabili esistenti Capite come trasformare, discretizzare e scalare le vostre variabili Create variabili informative da data e ora A chi si rivolge questo libro

Questo libro si rivolge ai professionisti dell'apprendimento automatico, agli ingegneri dell'IA, agli scienziati dei dati e agli ingegneri di NLP e di apprendimento per rinforzo che vogliono ottimizzare e arricchire i loro modelli di apprendimento automatico con le migliori caratteristiche. La conoscenza dell'apprendimento automatico e della codifica Python vi aiuterà a comprendere i concetti trattati in questo libro. Indice Prevedere i problemi delle variabili quando si costruiscono modelli di ML Imputare i dati mancanti Codificare le variabili categoriali Trasformare le variabili numeriche Eseguire la discretizzazione delle variabili Lavorare con gli outlier Derivare le caratteristiche da date e variabili temporali Eseguire la scalatura delle caratteristiche Applicare i calcoli matematici alle caratteristiche Creare caratteristiche con dati transazionali e serie temporali Estrarre le caratteristiche dalle variabili testuali