Amazonで購入楽天ブックスで購入

機械学習のための特徴量エンジニアリング

原題: Feature Engineering for Machine Learning

アリス・ジェン(訳: ホクソエム)

オライリー・ジャパン / 2019年 / 原著2018年

技術: 機械学習・Python

理論・基礎現場の実践ノウハウ

モデルに入力する特徴量をどう作るかを主題にした本。数値の変換、カテゴリ変数の符号化、テキストや画像の表現、次元削減までを、なぜその処理が効くのかという説明とともに扱う。

この本が好きなら

機械学習を解釈する技術

森下光之助 / 技術評論社 / 2021年

技術: 機械学習・Python

ITエンジニア本大賞 技術書部門プレゼン大会進出

理論・基礎現場の実践ノウハウ

入門機械学習による異常検知

井手剛 / コロナ社 / 2015年

技術: 機械学習・R

理論・基礎現場の実践ノウハウ

実践時系列解析

アイリーン・ニールセン(訳: 山崎邦子) / オライリー・ジャパン / 2021年 / 翻訳書

技術: 機械学習・Python・R

理論・基礎現場の実践ノウハウ

施策デザインのための機械学習入門

齋藤優太 / 技術評論社 / 2021年

技術: 機械学習

理論・基礎現場の実践ノウハウ

StanとRでベイズ統計モデリング

松浦健太郎 / 共立出版 / 2016年

技術: R・数学・機械学習

現場の実践ノウハウ理論・基礎

カオスエンジニアリング

ケイシー・ローゼンタール(訳: 松浦隼人) / オライリー・ジャパン / 2022年 / 翻訳書

技術: 分散システム・監視・オブザーバビリティ

現場の実践ノウハウ理論・基礎

この本からもっと探す →

邦訳版の書誌(オライリー・ジャパン、2019年、ISBN 9784873118680)は国立国会図書館サーチAPI(opensearch)の検索結果で確認。著者・訳者は同APIの責任表示「Alice Zheng, Amanda Casari 著,ホクソエム 訳」による。原著の初版年2018年はOpenLibrary/英語版Wikipediaの書誌による。