Recenze čtenářů
Shrnutí:Kniha je vysoce ceněna pro svůj komplexní a praktický přístup k feature engineeringu, takže je cenným zdrojem informací pro začínající i zkušené datové vědce. V tištěné verzi však trpí problémy s rozvržením, zejména s umístěním grafiky, a postrádá rozsáhlé pokrytí metod výběru příznaků. Někteří čtenáři navíc upozorňují, že verze pro Kindle má omezenou podporu.
Klady:⬤ Rozsáhlý a praktický obsah o inženýrství příznaků.
⬤ Vhodné pro začátečníky i pokročilé uživatele.
⬤ Dobře strukturované, s jasnými příklady a diskusemi.
⬤ Poskytuje hluboký vhled a nové techniky.
⬤ Dobrá kvalita tisku a vizuálně přitažlivý design.
Zápory:⬤ Špatné rozvržení a umístění grafiky v tištěné verzi, které narušuje plynulost.
⬤ Chybí komplexní zpracování výběru funkcí.
⬤ Omezená podpora přizpůsobení ve verzi pro Kindle.
⬤ Všechny grafy jsou černobílé, což ztěžuje rozlišení odkazovaných křivek.
⬤ Někteří uživatelé obdrželi vadné výtisky s chybějícími stránkami.
(na základě 12 hodnocení čtenářů)
Původní název:
Feature Engineering and Selection: A Practical Approach for Predictive Models
Obsah knihy:
Proces vývoje prediktivních modelů zahrnuje mnoho fází.
Většina zdrojů se zaměřuje na modelovací algoritmy, ale opomíjí další kritické aspekty procesu modelování. Tato kniha popisuje techniky pro nalezení nejlepší reprezentace prediktorů pro modelování a pro nalezení nejlepší podmnožiny prediktorů pro zlepšení výkonnosti modelu.
K ilustraci těchto technik je použita řada příkladových datových sad spolu s programy v jazyce R pro reprodukci výsledků.
