Machine Learning with Python Cookbook, 2E

Dieser praktische Leitfaden bietet mehr als 200 eigenständige Rezepte, die Ihnen helfen, Herausforderungen im Bereich des maschinellen Lernens zu bewältigen, auf die Sie in Ihrer Arbeit stossen könnten. Wenn Sie mit Python und seinen Bibliotheken, einschliesslich pandas und scikit-learn, vertraut sind, können Sie spezifische Probleme angehen, von der Datenladung bis hin zum Training von Modellen und der Nutzung von neuronalen Netzwerken.

Jedes Rezept in dieser aktualisierten Ausgabe enthält Code, den Sie kopieren, einfügen und mit einem Testdatensatz ausführen können, um sicherzustellen, dass es funktioniert. Von dort aus können Sie diese Rezepte an Ihren Anwendungsfall oder Ihre Anwendung anpassen. Die Rezepte enthalten eine Diskussion, die die Lösung erklärt und einen sinnvollen Kontext bietet. Gehen Sie über Theorie und Konzepte hinaus, indem Sie die Grundlagen lernen, die Sie benötigen, um funktionierende Anwendungen im Bereich des maschinellen Lernens zu erstellen.

Sie finden Rezepte für:

• Vektoren, Matrizen und Arrays
• Arbeiten mit Daten aus CSV, JSON, SQL, Datenbanken, Cloud-Speicher und anderen Quellen
• Umgang mit numerischen und kategorialen Daten, Text, Bildern sowie Daten und Zeiten
• Dimensionsreduktion durch Merkmalsextraktion oder Merkmalsauswahl
• Modellevaluation und -auswahl
• Lineare und logische Regression, Bäume und Wälder sowie k-nächste Nachbarn
• Support-Vektor-Maschinen (SVM), naive Bayes, Clustering und baumbasierte Modelle
• Speichern und Laden trainierter Modelle aus mehreren Frameworks.