Merkmalskonstruktion für Machine Learning
Prinzipien und Techniken der Datenaufbereitung
Amanda Casari, Thomas Lotze, Alice Zheng
Die Merkmalskonstruktion, auch Feature Engineering genannt, ist ein entscheidender Arbeitsschritt bei der Datenaufbereitung für das maschinelle Lernen, der die Leistung der Modelle stark beeinflusst. In diesem praxisnahen Buch lernen Sie Techniken, um Merkmale – numerische Repräsentationen eines bestimmten Aspekts von Rohdaten – zu gewinnen und mit maschinellen Lernmodellen nutzbar zu machen. Jedes Kapitel führt Sie durch eine spezifische Aufgabe der Datenanalyse wie etwa die Darstellung von Text- oder Bilddaten. Diese Beispiele veranschaulichen die wichtigsten Prinzipien der Merkmalskonstruktion.
Statt diese Prinzipien nur zu beschreiben, legen die Autorinnen Alice Zheng und Amanda Casari im gesamten Buch den Schwerpunkt auf die praktische Anwendung mit Übungen. Das Schlusskapitel vertieft das Gelernte, indem es verschiedene Techniken der Merkmalskonstruktion auf einen realen, strukturierten Datensatz anwendet. In den Beispielen werden Python-Pakete wie numpy, Pandas, scikit-learn und Matplotlib verwendet.
Aus dem Inhalt:
– Merkmalskonstruktion an numerischen Daten: Filter, Klasseneinteilung, Skalierung, logarithmische und Potenz-Transformationen
– Techniken für natürlichen Text: Bag-of-Words-Modelle, n-Gramme und Phrasenerkennung
– Frequenzfilterung und Merkmalsskalierung zum Entfernen aussageloser Merkmale
– Kodierungstechniken für Kategorievariablen, darunter Merkmals-Hashing und Klassenzählung
– Modellgesteuerte Merkmalskonstruktion mit der Hauptkomponentenanalyse
– Das Konzept der Modellkombination mit dem k-Means-Algorithmus als Technik zur Merkmalserzeugung
– Gewinnung von Bildmerkmalen anhand manueller und Deep-Learning-Techniken
„Datenaufbereitung und Merkmalskonstruktion haben sich in vielen Anwendungen als die wichtigsten Einflussfaktoren für die Leistungsfähigkeit der Modelle erwiesen. Ich freue mich, dass es endlich ein Buch gibt, das sich nur diesem Thema widmet. Alice und Amanda erklären sehr detailliert die Feinheiten vieler verbreiteter Techniken.“
— Andreas C. MüllerDozent für Machine Learning an der Universität von Columbia und Kernentwickler bei scikit-learn
