The Predictive Modeling Workflow with Python and Scikit-Learn (Paperback)
Langue : anglais
Edité par Independently Published, 2026
- Livre broché
- Neuf
Vendeur : Grand Eagle Retail, Bensenville, IL, Etats-UnisGrand Eagle Retail
Vendeur AbeBooks depuis 12 octobre 2005
Etat: Neuf
EUR 23,45
Quantité disponible : 1 disponible
Ajouter au panierA propos de cet article
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.…
N° de réf. du vendeur 9798192512265
- Titre
- The Predictive Modeling Workflow with Python and Scikit-Learn (Paperback)
- Auteur
- Thom Haagenrud
- Éditeur
- Independently Published
- Année de publication
- 2026
- État de l'article
- new
- Reliure
- Paperback
- Langue
- anglais
- ISBN à 13 chiffres
- 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.
« Synopsis » peut appartenir à une autre édition de cet ouvrage.
Grand Eagle Retail
Bensenville, IL, Etats-Unis
Vendeur AbeBooks depuis 12 octobre 2005
Frais d'expédition à l'intérieur de ce pays : Etats-Unis
| Article | 6 à 14 jours ouvrés | 6 à 16 jours ouvrés |
|---|---|---|
| Premier article | EUR 0,00 | EUR 0,00 |
Modes de paiement
Profil professionnel du vendeur
APOLLO ONLINE CORP.
605 Geddes Street
Wilmington, DE Etats-Unis 19805
Conditions de vente
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.
Droit de rétractation
Si vous êtes un consommateur, vous pouvez exercer votre droit de rétractation sur le contrat conformément à ce qui suit. Le mot « consommateur » désigne toute personne physique agissant à des fins qui n'entrent pas dans le cadre de son activité commerciale, artisanale ou professionnelle.
Informations concernant le droit de rétractation
Droit statutaire de rétractation
Vous avez le droit d'exercer votre droit de rétractation sur ce contrat dans les 14 jours sans donner de raison.
Le délai de rétractation expirera au bout de 14 jours à compter du jour où vous-même, ou un tiers autre que le transporteur et désigné par vous, prendrez physiquement possession de la dernière marchandise, du dernier lot ou de la dernière pièce.
Pour exercer votre droit de rétractation, remplissez électroniquement et envoyez une déclaration claire sur notre site Web, sous « Vos achats » dans « Votre compte ». Nous vous communiquerons sans délai un accusé de réception de cette rétractation sur un support durable (par exemple, par e-mail).
Pour respecter le délai de rétractation, il vous suffit d'envoyer votre message concernant l'exercice de votre droit de rétractation avant l'expiration du délai de rétractation.
Effets de la rétractation
Si vous exercez votre droit de rétractation sur ce contrat, nous vous rembourserons tous les paiements que vous avez effectués, y compris les frais de livraison (à l'exception des frais supplémentaires résultant du choix d'un mode de livraison autre que le type de livraison standard le moins cher que nous proposons).
Nous pouvons déduire du remboursement la perte de valeur de toute marchandise livrée, si la perte est le résultat d'une manipulation inutile de votre part.
Nous effectuerons le remboursement dans les meilleurs délais, et au plus tard 14 jours après le jour où nous aurons été informés de votre décision d'exercer votre droit de rétractation sur ce contrat.
Nous effectuerons le remboursement en utilisant le même moyen de paiement que celui que vous avez utilisé pour la transaction initiale, sauf si vous en avez expressément convenu autrement ; en tout état de cause, aucuns frais ne vous seront facturés à la suite d'un tel remboursement.
Nous pouvons suspendre le remboursement jusqu'à ce que nous ayons reçu les marchandises ou que vous ayez fourni la preuve que vous avez renvoyé les marchandises, en fonction de la première éventualité.
Vous devez renvoyer les marchandises ou les remettre à Grand Eagle Retail, Bensenville, Illinois, U.S.A., sans retard injustifié et, en tout état de cause, au plus tard 14 jours à compter du jour où vous nous avez communiqué votre décision de rétractation du présent contrat. Le délai est respecté si vous renvoyez les marchandises avant l'expiration du délai de 14 jours. Vous devrez prendre en charge les frais directs du renvoi des marchandises. Vous n'êtes responsable que de toute diminution de valeur des marchandises résultant d'une manipulation autre que celle nécessaire pour établir la nature, les caractéristiques et le fonctionnement des marchandises.
Exceptions au droit de rétractation
Le droit de rétractation ne s'applique pas à ce qui suit :
- Distribution de journaux, de revues ou de magazines, à l'exception des contrats d'abonnement ; et
- Fourniture d'un contenu numérique qui n'est pas fourni sur un support matériel (par exemple, sur un CD ou un DVD) si vous avez accepté, lors de votre commande, que nous puissions commencer à le livrer et que vous ne puissiez pas exercer votre droit de rétractation une fois la livraison commencée.
Conditions d'expédition
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.