Предварительная подготовка данных в Python. Том 1. Инструменты и валидация
В двухтомнике представлены материалы по применению классических методов машинного обучения для различных промышленных задач.
Прочитав первый том, вы научитесь:
- работать в IPython и Jupyter Notebook;
- применять функции библиотеки NumPy;
- визуализировать результаты анализа с помощью библиотек matplotlib, seaborn и plotly;
- выполнять предварительную подготовку данных в библиотеке pandas;
- работать с классами scikit-learn, строящими модели предварительной подготовки данных и модели машинного обучения;
- применять различные стратегии валидации данных.
Вторая часть издания - "Предварительная подготовка данных в Python. Том 2. План, примеры и метрики качества".
Pandas, NumPy и Scikit-learn для анализа данных
Материал будет полезен тем, кто хочет изучить pandas для предварительной обработки данных и научиться использовать NumPy для выполнения вычислений. Дополнительно рассматриваются классы scikit-learn, предназначенные для подготовки данных и построения моделей машинного обучения.
Отдельное внимание уделяется визуализации данных в Python с помощью matplotlib, seaborn и plotly. Графическое представление результатов помогает исследовать данные, находить особенности наборов и оценивать результаты обработки.
Книга также поможет разобраться в валидации данных для машинного обучения и различных стратегиях проверки подготовленных наборов. Работа в IPython и Jupyter Notebook делает примеры удобными для практического освоения инструментов анализа и обработки данных.
