Ihre E-Mail wurde erfolgreich gesendet. Bitte prüfen Sie Ihren Maileingang.

Leider ist ein Fehler beim E-Mail-Versand aufgetreten. Bitte versuchen Sie es erneut.

Vorgang fortführen?

Exportieren
Filter
Medientyp
Sprache
Region
Erscheinungszeitraum
Fachgebiete(RVK)
Zugriff
  • 1
    UID:
    almahu_BV046785525
    Umfang: XI, 231 Seiten : , Illustrationen, Diagramme.
    Ausgabe: 1. Auflage, deutsche Ausgabe
    ISBN: 978-3-96009-135-6
    Originaltitel: Machine learning pocket reference
    Anmerkung: "Deutsche Ausgabe" auf dem Cover
    Weitere Ausg.: Erscheint auch als Online-Ausgabe, PDF ISBN 978-3-96010-408-7
    Weitere Ausg.: Erscheint auch als Online-Ausgabe, EPUB ISBN 978-3-96010-409-4
    Weitere Ausg.: Erscheint auch als Online-Ausgabe, MOBI ISBN 978-3-96010-410-0
    Sprache: Deutsch
    Fachgebiete: Informatik
    RVK:
    RVK:
    RVK:
    Schlagwort(e): Maschinelles Lernen ; Python ; Maschinelles Lernen ; Strukturierte Daten ; Datenanalyse ; Python
    Mehr zum Autor: Harrison, Matt, 1975-,
    Mehr zum Autor: Lotze, Thomas.
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 2
    UID:
    almahu_BV047024467
    Umfang: 1 Online-Ressource (XI, 231 Seiten) : , Illustrationen, Diagramme (teilweise farbig).
    Ausgabe: 1. Auflage, deutsche Ausgabe
    ISBN: 978-3-96010-408-7 , 978-3-96010-409-4 , 978-3-96010-410-0
    Originaltitel: Machine learning pocket reference
    Anmerkung: Auf dem Cover: "Deutsche Ausgabe"
    Weitere Ausg.: Erscheint auch als Druck-Ausgabe ISBN 3-96009-135-4
    Weitere Ausg.: ISBN 978-3-96009-135-6
    Sprache: Deutsch
    Fachgebiete: Informatik
    RVK:
    RVK:
    Schlagwort(e): Maschinelles Lernen ; Python
    Mehr zum Autor: Harrison, Matt, 1975-,
    Mehr zum Autor: Lotze, Thomas.
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 3
    Online-Ressource
    Online-Ressource
    O'Reilly Verlag GmbH & Co. KG
    UID:
    kobvindex_ZLB34807082
    Umfang: 246 S.
    ISBN: 9783960104087
    Inhalt: 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.
    Anmerkung: Matt Harrison leitet MetaSnake, ein Trainings- und Beratungsunternehmen für Python und Data Science. Er setzt Python seit 2000 in einer Vielzahl von Bereichen ein: Data Science, BI, Speicherung, Testing und Automatisierung, Open-Source-Stack-Management und Finanzen.
    Sprache: Deutsch
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 4
    Online-Ressource
    Online-Ressource
    Heidelberg : o'Reilly
    UID:
    kobvindex_ERBEBC6379306
    Umfang: 1 online resource (246 pages)
    ISBN: 9783960104087
    Anmerkung: Intro -- Inhalt -- Vorwort -- Kapitel 1: Einleitung -- Verwendete Bibliotheken -- Installation mit pip -- Installation mit conda -- Kapitel 2: Der Vorgang des maschinellen Lernens: Überblick -- Kapitel 3: Klassifikation Schritt für Schritt: der Titanic-Datensatz -- Vorschlag für das Projektlayout -- Importe -- Eine Frage stellen -- Begriffe und Bezeichnungen für die Daten -- Daten sammeln -- Daten säubern -- Merkmale gewinnen -- Stichproben von Daten nehmen -- Daten auffüllen -- Daten normalisieren -- Refaktorieren -- Vergleichsmodell -- Verschiedene Algorithmenfamilien -- Stacking -- Ein Modell erstellen -- Das Modell auswerten -- Das Modell optimieren -- Wahrheitsmatrix -- Grenzwertoptimierungskurve (ROC-Kurve) -- Trainingskurve -- Das Modell einsetzen -- Kapitel 4: Fehlende Daten -- Fehlende Daten untersuchen -- Fehlende Daten entfernen -- Daten auffüllen -- Indikatorspalten hinzufügen -- Kapitel 5: Daten säubern -- Spaltennamen -- Fehlende Werte ersetzen -- Kapitel 6: Erkunden -- Datenmenge -- Zusammenfassende Statistiken -- Histogramm -- Streudiagramm -- Kombidiagramm -- Paarmatrix -- Kasten- und Violinendiagramme -- Vergleich zweier Ordinalwerte -- Korrelation -- RadViz -- Parallele Koordinaten -- Kapitel 7: Daten vorverarbeiten -- Standardisieren -- Den Wertebereich skalieren -- Dummy-Variablen -- Markierungen codieren -- Häufigkeitscodierung -- Kategorien aus Text gewinnen -- Weitere kategoriale Codierungen -- Datumsmerkmale konstruieren -- Ein Merkmal col_na hinzufügen -- Manuelle Merkmalskonstruktion -- Kapitel 8: Merkmalsauswahl -- Kollineare Spalten -- Lasso-Regression -- Rekursiver Ausschluss von Merkmalen -- Wechselseitige Aussagekraft -- Hauptkomponentenverfahren -- Merkmalsgewichtung -- Kapitel 9: Unausgeglichene Klassen -- Eine andere Metrik anwenden -- Baumalgorithmen und Ensembles -- Modelle mit Strafpunkten , Minderheiten erweitern -- Minderheitsdaten erzeugen -- Mehrheiten verkleinern -- Erweitern und danach verkleinern -- Kapitel 10: Klassifikation -- Logistische Regression -- Naiver Bayes-Klassifikator -- Supportvektormaschine -- K-nächste Nachbarn -- Entscheidungsbaum -- Random-Forest -- XGBoost -- Gradientenverstärkung mit LightGBM -- TPOT -- Kapitel 11: Modellauswahl -- Validierungskurve -- Lernkurve -- Kapitel 12: Metriken und Beurteilung der Klassifikation -- Wahrheitsmatrix -- Metriken -- Vertrauenswahrscheinlichkeit -- Trefferquote -- Genauigkeit -- F1 (F-Maß) -- Klassifikationstafel -- ROC-Kurve (Grenzwertoptimierungskurve) -- Kurve der Genauigkeit über der Trefferquote -- Kumulatives Gain-Diagramm -- Lift-Kurve -- Ausgeglichenheit der Klassen -- Klassenvorhersagefehler -- Ansprechschwelle -- Kapitel 13: Interpretation von Modellen -- Regressionskoeffizienten -- Merkmalsgewichtung -- LIME -- Interpretation von Bäumen -- Partielle Abhängigkeitsdiagramme -- Stellvertretermodelle -- Shapley -- Kapitel 14: Regression -- Vergleichsmodell -- Lineare Regression -- Supportvektormaschinen (SVM) -- K-nächste Nachbarn -- Entscheidungsbaum -- Random-Forest -- XGBoost-Regression -- Regression mit LightGBM -- Kapitel 15: Metriken und Bewertung der Regression -- Metriken -- Residuendiagramm -- Varianzheterogenität -- Normalverteilte Residuen -- Diagramm des Vorhersagefehlers -- Kapitel 16: Interpretation von Regressionsmodellen -- Shapley -- Kapitel 17: Dimensionsreduktion -- Hauptkomponentenverfahren (PCA) -- UMAP -- t-SNE -- PHATE -- Kapitel 18: Clustern -- K-Means-Algorithmus -- Agglomeratives (hierarchisches) Clustern -- Cluster verstehen -- Kapitel 19: Pipelines -- Klassifikationspipeline -- Regressionspipeline -- Pipeline für das Hauptkomponentenverfahren -- Index
    Weitere Ausg.: Print version: Harrison, Matt Machine Learning – Die Referenz Heidelberg : o'Reilly,c2020 ISBN 9783960091356
    Schlagwort(e): Electronic books.
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 5
    UID:
    kobvindex_ZLB35052760
    ISBN: 9783960104087 , 9783960104094
    Inhalt: "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."
    Inhalt: Biographisches: "Matt Harrison leitet MetaSnake, ein Trainings- und Beratungsunternehmen für Python und Data Science. Er setzt Python seit 2000 in einer Vielzahl von Bereichen ein: Data Science, BI, Speicherung, Testing und Automatisierung, Open-Source-Stack-Management und Finanzen."
    Sprache: Deutsch
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 6
    Online-Ressource
    Online-Ressource
    Heidelberg :O'Reilly Verlag,
    UID:
    edoccha_9960777366902883
    ISBN: 9783960104087
    Weitere Ausg.: ISBN 9783960091356
    Sprache: Deutsch
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
  • 7
    Online-Ressource
    Online-Ressource
    Heidelberg :O'Reilly Verlag,
    UID:
    almafu_9960777366902883
    ISBN: 9783960104087
    Weitere Ausg.: ISBN 9783960091356
    Sprache: Deutsch
    Bibliothek Standort Signatur Band/Heft/Jahr Verfügbarkeit
    BibTip Andere fanden auch interessant ...
Meinten Sie 9783960101086?
Meinten Sie 9783960101987?
Meinten Sie 9783960103097?
Schließen ⊗
Diese Webseite nutzt Cookies und das Analyse-Tool Matomo. Weitere Informationen finden Sie auf den KOBV Seiten zum Datenschutz