Merkmalskonstruktion für Machine Learning: Prinzipien und Techniken der Datenaufbereitung (Animals)
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage
Kurzinformation
inkl. MwSt. Versandinformationen
Lieferzeit 1-3 Werktage
Lieferzeit 1-3 Werktage

Beschreibung
„Merkmalskonstruktion für Machine Learning: Prinzipien und Techniken der Datenaufbereitung (Animals)“ von Thomas Lotze ist ein Fachbuch, das sich mit der wichtigen Rolle der Merkmalskonstruktion im maschinellen Lernen beschäftigt. Es bietet eine umfassende Einführung in die Prinzipien und Techniken, die notwendig sind, um Rohdaten in aussagekräftige Merkmale zu transformieren, die von Machine-Learning-Algorithmen effektiv genutzt werden können. Das Buch behandelt verschiedene Strategien zur Datenaufbereitung und -transformation und zeigt auf, wie diese Prozesse die Leistung von Modellen verbessern können. Dabei wird sowohl auf theoretische Grundlagen als auch auf praktische Anwendungen eingegangen. Der Autor illustriert seine Konzepte anhand von Beispielen aus dem Bereich der Tierdatenanalyse („Animals“), was dem Leser hilft, die Methoden in einem konkreten Kontext zu verstehen. Ziel des Buches ist es, Praktikern und Forschern im Bereich des maschinellen Lernens Werkzeuge an die Hand zu geben, um bessere Vorhersagemodelle durch gezielte Merkmalskonstruktion zu entwickeln.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 235 Seiten
- Erschienen 2021
- O'Reilly
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Kartoniert
- 292 Seiten
- Erschienen 2020
- O'Reilly
- Klappenbroschur
- 370 Seiten
- Erschienen 2021
- De Gruyter
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- Kartoniert
- 432 Seiten
- Erschienen 2008
- Taylor & Francis Ltd
- Kartoniert
- 598 Seiten
- Erschienen 2012
- Springer
- paperback
- 234 Seiten
- Erschienen 2009
- W3l
- paperback
- 288 Seiten
- Erschienen 2013
- Springer
- Gebunden
- 326 Seiten
- Erschienen 2011
- Springer
- Hardcover
- 622 Seiten
- Erschienen 2017
- Packt Publishing



