Ingeniería y selección de características: Un enfoque práctico para los modelos predictivos

Puntuación:   (4,5 de 5)

Ingeniería y selección de características: Un enfoque práctico para los modelos predictivos (Max Kuhn)

Opiniones de los lectores

Resumen:

El libro sobre ingeniería de características ha recibido críticas dispares: muchos elogian su contenido, estructura y conocimientos prácticos, mientras que otros critican sus problemas de maquetación y la falta de ciertos tratamientos exhaustivos.

Ventajas:

El libro ofrece una visión completa de los conceptos modernos de ingeniería de características, explicaciones claras y ejemplos prácticos. Es alabado por su contenido bien estructurado y se recomienda a profesionales de distintos niveles de experiencia. Muchos lectores lo consideran comparable a «Applied Predictive Modeling» y aprecian su accesibilidad y profundidad.

Desventajas:

Los críticos señalan importantes problemas de maquetación en la versión impresa, como la mala ubicación de los gráficos, que interrumpe la fluidez de la lectura. También se echa en falta un tratamiento exhaustivo de la selección de características, una profundidad insuficiente en las explicaciones de los métodos y problemas con la compatibilidad de la versión Kindle. Además, los revisores expresaron su decepción por la presentación de los gráficos en blanco y negro, lo que hace ambiguas las explicaciones que dependen del color.

(basado en 12 opiniones de lectores)

Título original:

Feature Engineering and Selection: A Practical Approach for Predictive Models

Contenido del libro:

El proceso de desarrollo de modelos predictivos incluye muchas etapas.

La mayoría de los recursos se centran en los algoritmos de modelización, pero descuidan otros aspectos críticos del proceso. Este libro describe técnicas para encontrar las mejores representaciones de predictores para la modelización y para encontrar el mejor subconjunto de predictores para mejorar el rendimiento del modelo.

Se utilizan diversos conjuntos de datos de ejemplo para ilustrar las técnicas, junto con programas R para reproducir los resultados.

Otros datos del libro:

ISBN:9781138079229
Autor:
Editorial:
Encuadernación:Tapa dura
Año de publicación:2019
Número de páginas:298

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Ingeniería y selección de características: Un enfoque práctico para los modelos predictivos -...
El proceso de desarrollo de modelos predictivos incluye...
Ingeniería y selección de características: Un enfoque práctico para los modelos predictivos - Feature Engineering and Selection: A Practical Approach for Predictive Models
Modelización predictiva aplicada - Applied Predictive Modeling
Applied Predictive Modeling abarca todo el proceso de modelización predictiva, empezando por los pasos...
Modelización predictiva aplicada - Applied Predictive Modeling
Modelización predictiva aplicada - Applied Predictive Modeling
Estrategias generales. - Modelos de regresión. - Modelos de clasificación. - Otras consideraciones. -...
Modelización predictiva aplicada - Applied Predictive Modeling
Ingeniería y selección de características: Un enfoque práctico para modelos predictivos - Feature...
El proceso de desarrollo de modelos predictivos...
Ingeniería y selección de características: Un enfoque práctico para modelos predictivos - Feature Engineering and Selection: A Practical Approach for Predictive Models
Tidy Modeling with R: A Framework for Modeling in the Tidyverse (Modelización ordenada con R: un...
Póngase en marcha con tidymodels, una colección de...
Tidy Modeling with R: A Framework for Modeling in the Tidyverse (Modelización ordenada con R: un marco para la modelización en el Tidyverse) - Tidy Modeling with R: A Framework for Modeling in the Tidyverse

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)