The Predictive Modeling Workflow with Python and Scikit-Learn (Paperback)
Lingua: inglese
Editore: Independently Published, 2026
- Brossura
- Nuovo
Da: Grand Eagle Retail, Bensenville, IL, U.S.A.Grand Eagle Retail
Venditore AbeBooks dal 12 ottobre 2005
Condizione: Nuovo
EUR 23,45
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Paperback. Training a predictive model can take only a few lines of code. Building one you can actually trust requires much more.The Predictive Modeling Workflow with Python and Scikit-Learn teaches you how to approach structured-data prediction as a complete engineering process, from defining the problem and auditing raw information to comparing algorithms, tuning carefully, evaluating honestly, and preparing the final solution for real use.Instead of focusing on isolated algorithms, this book shows how all the important pieces fit together. You will learn why validation strategy matters, how leakage creates misleading results, when simpler approaches outperform unnecessary complexity, and how reproducible pipelines make experimentation safer and easier to maintain.Inside, you will learn how to: Translate real business questions into clearly defined prediction tasksDefine targets, observation units, prediction timing, and success criteriaAudit structured datasets before training beginsHandle missing values, duplicates, extreme values, groups, and time-dependent observationsDesign training, validation, and test splits correctlyPrevent subtle forms of information leakageEstablish meaningful baselines before increasing complexityPreprocess numerical and categorical variables safelyBuild reusable pipelines and column-specific transformationsCreate useful ratios, interactions, temporal variables, and custom transformationsReduce unnecessary dimensions with PCA and other selection methodsBuild linear, ridge, lasso, and elastic-net regression solutionsCompare logistic regression, nearest-neighbor methods, and support vector machinesBuild decision trees, random forests, extremely randomized trees, and gradient-boosting predictorsCompare competing approaches using consistent cross-validationUse learning curves and validation curves to diagnose weaknessesPerform grid search, randomized search, and successive-halving searches efficientlyAvoid overfitting during extensive experimentationEvaluate regression and classification results using appropriate metricsWork with confusion matrices, probability calibration, decision thresholds, and error analysisInspect variable importance and partial dependenceImprove training speed, prediction latency, throughput, and memory usagePreserve fitted pipelines for later inferenceDocument dependencies, assumptions, input requirements, and deployment constraintsA final end-to-end project brings the complete process together, showing how problem definition, dataset auditing, preprocessing, validation, algorithm comparison, search, final evaluation, reproducibility, persistence, and production handoff form one coherent system.This book is suitable for beginners, students, analysts, career switchers, software developers, and working professionals who want practical competence with structured-data prediction.Basic Python and familiarity with rows, columns, and DataFrames are helpful, but previous machine-learning experience and advanced mathematics are not required.If you already know how to call fit() and predict() but want to understand how reliable real-world predictive work is actually organized, this book provides the missing framework.Move beyond isolated experiments and learn to build prediction workflows that are reproducible, explainable, defensible, and ready for real decisions. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability.…
Codice articolo 9798192512265
- Titolo
- The Predictive Modeling Workflow with Python and Scikit-Learn (Paperback)
- Autore
- Thom Haagenrud
- Editore
- Independently Published
- Anno di pubblicazione
- 2026
- Condizione
- new
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 13
- 9798192512265
Training a predictive model can take only a few lines of code. Building one you can actually trust requires much more.
The Predictive Modeling Workflow with Python and Scikit-Learn teaches you how to approach structured-data prediction as a complete engineering process, from defining the problem and auditing raw information to comparing algorithms, tuning carefully, evaluating honestly, and preparing the final solution for real use.
Instead of focusing on isolated algorithms, this book shows how all the important pieces fit together. You will learn why validation strategy matters, how leakage creates misleading results, when simpler approaches outperform unnecessary complexity, and how reproducible pipelines make experimentation safer and easier to maintain.
Inside, you will learn how to:
-
Translate real business questions into clearly defined prediction tasks
-
Define targets, observation units, prediction timing, and success criteria
-
Audit structured datasets before training begins
-
Handle missing values, duplicates, extreme values, groups, and time-dependent observations
-
Design training, validation, and test splits correctly
-
Prevent subtle forms of information leakage
-
Establish meaningful baselines before increasing complexity
-
Preprocess numerical and categorical variables safely
-
Build reusable pipelines and column-specific transformations
-
Create useful ratios, interactions, temporal variables, and custom transformations
-
Reduce unnecessary dimensions with PCA and other selection methods
-
Build linear, ridge, lasso, and elastic-net regression solutions
-
Compare logistic regression, nearest-neighbor methods, and support vector machines
-
Build decision trees, random forests, extremely randomized trees, and gradient-boosting predictors
-
Compare competing approaches using consistent cross-validation
-
Use learning curves and validation curves to diagnose weaknesses
-
Perform grid search, randomized search, and successive-halving searches efficiently
-
Avoid overfitting during extensive experimentation
-
Evaluate regression and classification results using appropriate metrics
-
Work with confusion matrices, probability calibration, decision thresholds, and error analysis
-
Inspect variable importance and partial dependence
-
Improve training speed, prediction latency, throughput, and memory usage
-
Preserve fitted pipelines for later inference
-
Document dependencies, assumptions, input requirements, and deployment constraints
A final end-to-end project brings the complete process together, showing how problem definition, dataset auditing, preprocessing, validation, algorithm comparison, search, final evaluation, reproducibility, persistence, and production handoff form one coherent system.
This book is suitable for beginners, students, analysts, career switchers, software developers, and working professionals who want practical competence with structured-data prediction.
Basic Python and familiarity with rows, columns, and DataFrames are helpful, but previous machine-learning experience and advanced mathematics are not required.
If you already know how to call fit() and predict() but want to understand how reliable real-world predictive work is actually organized, this book provides the missing framework.
Move beyond isolated experiments and learn to build prediction workflows that are reproducible, explainable, defensible, and ready for real decisions.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Grand Eagle Retail
Bensenville, IL, U.S.A.
Venditore AbeBooks dal 12 ottobre 2005
Tariffe di spedizione nazionale per U.S.A.
| Articolo | Da 6 a 14 giorni lavorativi | Da 6 a 16 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 0,00 | EUR 0,00 |
Metodi di pagamento
Informazioni sull’azienda del venditore
APOLLO ONLINE CORP.
605 Geddes Street
Wilmington, DE U.S.A. 19805
Condizioni di vendita
We guarantee the condition of every book as it¿s described on the Abebooks web sites. If you¿ve changed
your mind about a book that you¿ve ordered, please use the Ask bookseller a question link to contact us
and we¿ll respond within 2 business days.
Books ship from California and Michigan.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Grand Eagle Retail, Bensenville, Illinois, U.S.A., senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Orders usually ship within 2 business days. All books within the US ship free of charge. Delivery is 4-14 business days anywhere in the United States.
Books ship from California and Michigan.
If your book order is heavy or oversized, we may contact you to let you know extra shipping is required.