Python Data Science Handbook, 2. Auflage

Teil V. Maschinelles Lernen

Dieser letzte Teil ist eine Einführung in das sehr breit gefächerte Thema des maschinellen Lernens, hauptsächlich mit Hilfe desScikit-Learn-Pakets von Python. Du kannst dir maschinelles Lernen als eine Klasse von Algorithmen vorstellen, die es einem Programm ermöglichen, bestimmte Muster in einem Datensatz zu erkennen und so aus den Daten zu "lernen", um daraus Schlüsse zu ziehen. Dies soll keine umfassende Einführung in das Gebiet des maschinellen Lernens sein; das ist ein großes Thema und erfordert einen technischeren Ansatz, als wir ihn hier verfolgen. Es soll auch kein umfassendes Handbuch für die Verwendung des Scikit-Learn-Pakets sein (dafür kannst du die unter"Weitere Ressourcen zum maschinellen Lernen" aufgeführten Ressourcen nutzen). Vielmehr geht es hier um Folgendes:

• Einführung in das grundlegende Vokabular und die Konzepte des maschinellen Lernens

• Die Scikit-Learn API vorstellen und einige Beispiele für ihre Verwendung zeigen

• Ein tieferes Eintauchen in die Details einiger der wichtigsten klassischen Ansätze des maschinellen Lernens und ein Gespür dafür entwickeln, wie sie funktionieren und wann und wo sie anwendbar sind

Ein Großteil dieses Materials stammt aus den Scikit-Learn-Tutorials und -Workshops, die ich bei verschiedenen Gelegenheiten auf der PyCon, SciPy, PyData und anderen Konferenzen gegeben habe. Jede Klarheit auf den folgenden Seiten ist wahrscheinlich den vielen Workshop-Teilnehmern und Co-Dozenten zu verdanken, die ...