Maschinelles Lernen. Merkmalskonstruktion. Prinzipien und Techniken für Analysten

Die Autoren dieses Buches sind die Machine-Learning-Spezialistin von Amazon, Alice Zheng, und die Analystin des innovativen IT-Unternehmens Concur Labs, Amanda Kazari. Die Merkmalskonstruktion — ist das Extrahieren von Merkmalen aus rohen, unverarbeiteten Daten und das Umbauen dieser in ein Format, das für die Verarbeitung durch ein Machine-Learning-Modell geeignet ist. Dies ist einer der wichtigsten Prozesse im maschinellen Lernen und gleichzeitig einer der komplexesten, denn die Vielfalt der Modelle und Daten erlaubt es nicht, eine allgemeine Strategie zur Konstruktion zu finden. Dennoch ist es den Autoren des Buches gelungen, tiefere Prinzipien der Datenverarbeitung zu formulieren, die durch konkrete Beispiele veranschaulicht werden. In jedem Kapitel wird die Lösung verschiedener Aufgaben beschrieben: wie man Textdaten oder Bilder darstellt, wie man die Dimensionalität automatisch generierter Merkmale reduziert usw. Im letzten Kapitel werden schließlich alle Beispiele in ein einheitliches Konzept der Merkmalskonstruktion im maschinellen Lernen integriert. Alle Code-Beispiele sind in der Programmiersprache Python verfasst und verwenden Module wie NumPy, Pandas, Scikit-learn, Matplotlib und sind im Repository der Autoren auf GitHub veröffentlicht.