Предварительная подготовка данных в Python. Том 2. План, примеры и метрики качества
В двухтомнике представлены материалы по применению классических методов машинного обучения для различных промышленных задач.
Прочитав второй том, вы научитесь:
- составлять план предварительной подготовки данных;
- конструировать признаки;
- отбирать признаки;
- работать с метриками бинарной классификации и регрессии;
- выполнять байесовскую оптимизацию гиперпараметров;
- создавать контейнеры Docker;
- строить модели c помощью платформы H2O.
Конструирование и отбор признаков
Издание будет полезно специалистам, которые хотят изучить feature engineering в Python и научиться создавать информативные признаки для моделей. Отдельное внимание уделяется отбору признаков, который помогает сформировать более подходящий набор данных для обучения.
Книга также знакомит с метриками бинарной классификации и регрессии. Понимание различных показателей качества позволяет корректно оценивать результаты моделей и выбирать подходящие способы контроля их эффективности.
Первая часть издания - "Предварительная подготовка данных в Python. Том 1. Инструменты и валидация".
