Hands-On Machine Learning with scikit-learn and Scientific Python Toolkits – Praktische Anleitung zur Implementierung von überwachten und unüberwachten Lernmethoden in Python

Produktbeschreibung

Dieses Werk bietet eine praxisorientierte Einführung in maschinelles Lernen mit Python. Es deckt sowohl überwachtes als auch unüberwachtes Lernen ab und erläutert Schritt für Schritt, wie gängige Algorithmen mit scikit-learn und den Scientific Python Toolkits implementiert und angewendet werden. Leserinnen und Leser erhalten konkrete Beispiele, die von der Datenvorverarbeitung über Modelltraining bis zur Bewertung von Ergebnissen reichen. Ergänzt wird der Inhalt durch praxisnahe Übungen, die das Verständnis vertiefen und die Umsetzung in realen Projekten erleichtern. Die Abdeckung umfasst typischerweise Lineare Modelle, Entscheidungsbäume, Ensemble-Methoden, Clustering-Verfahren sowie Verfahren zur Dimensionsreduktion, mit Fokus auf verständliche Implementierung, Reproduzierbarkeit und iterative Verbesserung der Modelle. Gleich zu Beginn finden sich Hinweise zur Wahl geeigneter Metriken, zur Datenaufbereitung, zur Validierung und zur Skalierung, sodass Leserinnen und Leser fundierte Entscheidungen im gesamten ML-Workflow treffen können. Das Buch richtet sich an Programmiererinnen und Programmierer mit Grundkenntnissen in Python, die praktische Fähigkeiten im maschinellen Lernen erwerben möchten.