Machine Learning – Die Referenz

Mit strukturierten Daten in Python arbeiten

Matt Harrison, Thomas Lotze

• Verlag: O'Reilly
• Jahr: 2020
• eBook-ISBN:
  9783960104094
• Thema: Computer Science
• Thema: Data Mining

Das praktische Nachschlagewerk zum Machine Learning mit strukturierten Daten
Konzentriert sich auf Themen, die für den praktizierenden Machine-Learning-Anwender interessant sind
Enthält eine große Anzahl wertvoller Codebeispiele für strukturierte Daten, die in der Praxis konkret weiterhelfen/ul>
Zeigt, wie verschiedene Bibliotheken zur Lösung praktischer Fragestellungen eingesetzt werden
Diese praktische Referenz ist eine Sammlung von Methoden, Ressourcen und Codebeispielen zur Lösung gängiger Machine-Learning-Probleme mit strukturierten Daten. Der Autor Matt Harrison hat einen wertvollen Leitfaden zusammengestellt, den Sie als zusätzliche Unterstützung während eines Machine-Learning-Kurses nutzen können oder als Nachschlagewerk, wenn Sie Ihr nächstes ML-Projekt mit Python starten.
Das Buch ist ideal für Data Scientists, Softwareentwickler und Datenanalysten, die Machine Learning praktisch anwenden. Es bietet einen Überblick über den kompletten Machine-Learning-Prozess und führt Sie durch die Klassifizierung strukturierter Daten. Sie lernen dann unter anderem Methoden zur Modellauswahl, zur Regression, zur Reduzierung der Dimensionalität und zum Clustering kennen. Die Codebeispiele sind so kompakt angelegt, dass Sie sie für Ihre eigenen Projekte verwenden und auch gut anpassen können.

KAPITEL 1

Einleitung

Das vorliegende Buch ist weniger eine Bedienungsanleitung als vielmehr eine Sammlung von Notizen, Tabellen und Beispielen für maschinelles Lernen. Es entstand als zusätzliche Ressource für Schulungen des Autors und wird dort als reales Notizbuch ausgeteilt. Teilnehmer (die die physischen Eigenschaften von Materialien aus totem Baum bevorzugen) konnten ihre eigenen Notizen und Gedanken hinzufügen und hatten eine wertvollen Referenz ausgewählter Beispiele.

Wir werden Klassifikationsaufgaben mit strukturierten Daten Schritt für Schritt durchgehen. Weiterhin betrachten wir übliche Machine-Learning-Anwendungen wie die Vorhersage eines stetigen Werts (Regression), Clusterbildung sowie den Versuch der Dimensionsreduktion. Dieses Buch verzichtet darauf, Deep-Learning-Techniken zu diskutieren. Während solche Techniken für unstrukturierte Daten gut funktionieren, sind die Techniken aus dem vorliegenden Buch am ehesten für strukturierte Daten zu empfehlen.

Wir setzen voraus, dass der Leser mit Python vertraut ist. Es empfiehlt sich, zu lernen, wie man Daten mit der Bibliothek pandas (https://pandas.pydata.org) verarbeitet. Viele unserer Beispiele verwenden pandas, und es ist ein ausgezeichnetes Werkzeug für den Umgang mit strukturierten Daten. Außerdem können manche der Indizierungsoperationen verwirrend sein, wenn man sich nicht mit numpy (https://numpy.org/) auskennt. Für eine vollständige Besprechung von numpy und pandas wäre ein eigenes Buch notwendig.

Verwendete Bibliotheken

In diesem Buch werden viele Bibliotheken benutzt. Das hat Vor- und Nachteile. Einige dieser Bibliotheken können schwierig zu installieren sein oder zu Konflikten mit anderen Bibliotheksversionen führen. Sie müssen aber auch nicht alle diese Bibliotheken installieren. Nutzen Sie den Just-in-time-Ansatz und installieren Sie immer nur die Bibliotheken, die Sie gerade benötigen.

>>> import autosklearn, catboost,

category_encoders, dtreeviz, eli5, fancyimpute,

fastai, featuretools, glmnet_py, graphviz,

hdbscan, imblearn, janitor, lime, matplotlib,

missingno, mlxtend, numpy, pandas, pdpbox, phate,

pydotplus, rfpimp, scikitplot, scipy, seaborn,

shap, sklearn, statsmodels, tpot, treeinterpreter,

umap, xgbfir, xgboost, yellowbrick

>>> for lib in [

... autosklearn,

... catboost,

... category_encoders,

... dtreeviz,

... eli5,

... fancyimpute,

... fastai,

... featuretools,

... glmnet_py,

... graphviz,

... hdbscan,

... imblearn,

... lime,

... janitor,

... matplotlib,

... missingno,

... mlxtend,

... numpy,

... pandas,

... pandas_profiling,

... pdpbox,

... phate,

... pydotplus,

... rfpimp,

... scikitplot,

... scipy,

... seaborn,

... shap,

... sklearn,

... statsmodels,

... tpot,

... treeinterpreter,

... umap,

... xgbfir,

... xgboost,

... yellowbrick,

... ]:

... try:

... print(lib.__name__, lib.__version__)

... except:

... print("Missing", lib.__name__)

catboost 0.11.1

category_encoders 2.0.0

Missing dtreeviz

eli5 0.8.2

fancyimpute 0.4.2

fastai 1.0.28

featuretools 0.4.0

Missing glmnet_py

graphviz 0.10.1

hdbscan 0.8.22

imblearn 0.4.3

janitor 0.16.6

Missing lime

matplotlib 2.2.3

mis...

Inhaltsverzeichnis

• Cover
• Titel
• Impressum
• Inhalt
• Vorwort
• 1 Einleitung
• 2 Der Vorgang des maschinellen Lernens: Überblick
• 3 Klassifikation Schritt für Schritt: der Titanic-Datensatz
• 4 Fehlende Daten
• 5 Daten säubern
• 6 Erkunden
• 7 Daten vorverarbeiten
• 8 Merkmalsauswahl
• 9 Unausgeglichene Klassen
• 10 Klassifikation
• 11 Modellauswahl
• 12 Metriken und Beurteilung der Klassifikation
• 13 Interpretation von Modellen
• 14 Regression
• 15 Metriken und Bewertung der Regression
• 16 Interpretation von Regressionsmodellen
• 17 Dimensionsreduktion
• 18 Clustern
• 19 Pipelines
• Fußnoten
• Index