- عنوان کتاب: Feature Selection in Machine Learning with Python
- نویسنده: Soledad-Galli
- حوزه: یادگیری ماشین
- سال انتشار: 2022
- تعداد صفحه: 155
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 6.12 مگابایت
انتخاب ویژگی در یادگیری ماشین با پایتون روشهای پرکاربرد را برای انتخاب زیرمجموعههای پیشبینیکننده ویژگیها پوشش میدهد. هدف از انتخاب متغیر بهبود عملکرد مدلهای یادگیری ماشین، ایجاد الگوریتمهای سریعتر و مقرونبهصرفهتر و تسهیل درک پیشبینیهای ارائهشده توسط مدلها است. الگوریتم های انتخاب ویژگی های زیادی وجود دارد و هر کدام مزایا و محدودیت هایی دارند. برخی از الگوریتم ها به خوبی مقیاس می شوند و بنابراین برای فضاهای با ویژگی بسیار بالا مناسب هستند. با این حال، آنها تعاملات ویژگی، یا مکانیسم های مدل پیش بینی را در نظر نمی گیرند. سایر تکنیکها از نظر محاسباتی بسیار گران هستند، اما با طبقهبندیکنندههای خاص یا مدلهای رگرسیون به خوبی کار میکنند. انتخاب ویژگی در یادگیری ماشین با پایتون بسیاری از روشهای انتخاب ویژگی را مورد بحث قرار میدهد و مزایا و کاستیهای آنها را برجسته میکند. علاوه بر این، دستور العمل های کد مختلفی را برای انتخاب ویژگی هایی با استفاده از کتابخانه های منبع باز پایتون ارائه می دهد. در سراسر کتاب، شما یاد خواهید گرفت که چگونه بهترین زیرمجموعه ممکن از ویژگی ها را بر اساس اندازه مجموعه داده، ماهیت متغیرهای خود و ویژگی های مدل یادگیری ماشینی که استفاده می کنید، انتخاب کنید. در پایان کتاب، شما قادر خواهید بود بهترین الگوریتم انتخاب را برای پروژه علم داده خود انتخاب و پیاده سازی کنید.
Feature Selection in Machine Learning with Python covers widely used methods to select predictive subsets of features. The aim of variable selection is to improve the performance of the machine learning models, to create faster and more cost-effective algorithms, and to facilitate the understanding of the predictions returned by the models. There are many feature selection algorithms, and each one of them has advantages and limitations. Some algorithms scale well and are therefore suitable for extremely high feature spaces. However, they do not contemplate feature interactions, or the mechanisms of the predictive model. Other techniques are quite computationally expensive, yet they work well with particular classifiers or regression models. Feature Selection in Machine Learning with Python discusses many feature selection procedures, highlighting their advantages and shortcomings. Further, it provides various code recipes to select features utilizing Python open-source libraries. Throughout the book, you will be learning how to select the best possible subset of features, based on the size of your dataset, the nature of your variables, and the characteristics of the machine learning model you use. By the end of the book, you will be able to decide and implement the best selection algorithm for your data science project.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
نظرات کاربران