Avis des lecteurs
Résumé:Le livre offre une solide introduction à l'ingénierie des fonctionnalités avec des exemples pratiques en Python, ce qui le rend accessible et hautement recommandé. Cependant, certains lecteurs estiment qu'il manque de profondeur, qu'il présente des problèmes de qualité graphique et qu'il est trop cher compte tenu de sa longueur.
Avantages:⬤ Facile à lire
⬤ exemples clairs en Python
⬤ bonne référence pour l'apprentissage automatique
⬤ bien écrit et fortement recommandé
⬤ couvre les concepts et techniques essentiels de l'ingénierie des caractéristiques.
⬤ Semble inachevé et trop court
⬤ différents niveaux d'explication
⬤ mauvaise qualité des graphiques dessinés à la main
⬤ quelques conseils controversés
⬤ perçu comme trop cher par rapport à sa longueur réelle.
(basé sur 15 avis de lecteurs)
Titre original :
Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists
Contenu du livre :
L'ingénierie des caractéristiques est une étape cruciale dans le pipeline de l'apprentissage automatique, mais ce sujet est rarement abordé de manière isolée. Grâce à cet ouvrage pratique, vous apprendrez les techniques d'extraction et de transformation des caractéristiques - les représentations numériques des données brutes - en formats pour les modèles d'apprentissage automatique. Chaque chapitre vous guide à travers un problème de données unique, tel que la représentation de données textuelles ou d'images. Ensemble, ces exemples illustrent les grands principes de l'ingénierie des caractéristiques.
Plutôt que de se contenter d'enseigner ces principes, les auteurs Alice Zheng et Amanda Casari mettent l'accent sur l'application pratique en proposant des exercices tout au long de l'ouvrage. Le dernier chapitre rassemble tous les éléments en abordant un ensemble de données structurées du monde réel avec plusieurs techniques d'ingénierie des caractéristiques. Les packages Python, notamment numpy, Pandas, Scikit-learn et Matplotlib, sont utilisés dans les exemples de code.
Vous examinerez :
⬤ L'ingénierie des caractéristiques pour les données numériques : filtrage, binning, mise à l'échelle, transformées logarithmiques et transformées de puissance.
⬤ Les techniques de texte naturel : sacs de mots, n-grammes et détection de phrases.
⬤ Filtrage basé sur la fréquence et mise à l'échelle des caractéristiques pour éliminer les caractéristiques non informatives.
⬤ Techniques d'encodage de variables catégorielles, y compris le hachage de caractéristiques et le comptage de binettes.
⬤ L'ingénierie des caractéristiques basée sur les modèles avec l'analyse en composantes principales.
⬤ Le concept d'empilement de modèles, en utilisant k-means comme technique de featurisation.
⬤ L'extraction de caractéristiques d'images avec des techniques manuelles et d'apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781491953242 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2018 |
| Nombre de pages : | 630 |
Achat:
Actuellement disponible, en stock.
