Python. 70 recipes for creating engineering and transforming features to build machine learning models

دانلود کتاب Python. 70 recipes for creating engineering and transforming features to build machine learning models

35000 تومان موجود

کتاب پایتون. 70 دستور العمل برای ایجاد مهندسی و تبدیل ویژگی ها برای ساخت مدل های یادگیری ماشین نسخه زبان اصلی

دانلود کتاب پایتون. 70 دستور العمل برای ایجاد مهندسی و تبدیل ویژگی ها برای ساخت مدل های یادگیری ماشین بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 8


توضیحاتی در مورد کتاب Python. 70 recipes for creating engineering and transforming features to build machine learning models

نام کتاب : Python. 70 recipes for creating engineering and transforming features to build machine learning models
عنوان ترجمه شده به فارسی : پایتون. 70 دستور العمل برای ایجاد مهندسی و تبدیل ویژگی ها برای ساخت مدل های یادگیری ماشین
سری : 1
نویسندگان :
ناشر : ProVersus
سال نشر : 0
تعداد صفحات : 363

زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


کتاب آشپزی مهندسی ویژگی Python دستور العمل های به خوبی نشان داده شده متمرکز بر راه حل هایی را پوشش می دهد که به تیم های یادگیری ماشین در شناسایی و استخراج ویژگی ها برای توسعه مدل های یادگیری ماشینی بسیار بهینه و غنی شده کمک می کند. این کتاب شامل دستور العمل هایی برای استخراج و تبدیل ویژگی ها از مجموعه داده های ساخت یافته، سری های زمانی، داده های تراکنش ها و متن است. این شامل دستور العمل های مربوط به خودکارسازی فرآیند مهندسی ویژگی، همراه با گسترده ترین زرادخانه ابزار برای رمزگذاری متغیرهای طبقه بندی شده، انتساب داده های از دست رفته و گسسته سازی متغیر است. علاوه بر این، استراتژی‌های مختلف تبدیل ویژگی، مانند تبدیل Box-Cox و سایر عملیات‌های ریاضی را ارائه می‌دهد و شامل استفاده از درخت‌های تصمیم برای ترکیب ویژگی‌های موجود به ویژگی‌های جدید است. هر یک از این دستور العمل ها به صورت عملی با کمک NumPy، SciPy، پانداها، scikit Learn، Featuretools و Feature-engine در پایتون نشان داده شده است.


توضیحاتی در مورد کتاب به زبان اصلی :


Python Feature Engineering Cookbook covers well-demonstrated recipes focused on solutions that will assist machine learning teams in identifying and extracting features to develop highly optimized and enriched machine learning models. This book includes recipes to extract and transform features from structured datasets, time series, transactions data and text. It includes recipes concerned with automating the feature engineering process, along with the widest arsenal of tools for categorical variable encoding, missing data imputation and variable discretization. Further, it provides different strategies of feature transformation, such as Box-Cox transform and other mathematical operations and includes the use of decision trees to combine existing features into new ones. Each of these recipes is demonstrated in practical terms with the help of NumPy, SciPy, pandas, scikit learn, Featuretools and Feature-engine in Python.



پست ها تصادفی