Hands-On Gradient Boosting with XGBoost and scikit-learn: Perform accessible machine learning and extreme gradient boosting with Python
ապրանք#: 38467082

Hands-On Gradient Boosting with XGBoost and scikit-learn: Perform accessible machine learning and extreme gradient boosting with Python

ապրանք#: 38467082

AMD 24059

AMD 30057

Price Details

Excluding Shipping & Custom charges ( Shipping and custom charges will be calculated on checkout )

*All items will import from ԱՄՆ

20%

Պահեստում
ԱՄՆ Ներմուծվել է USA խանութից

QTY:

Պատվիրի`ր հիմա և ստացի`ր Շաբաթ, Նոյեմբեր 07
Our Top Logistics Partners
  • fedex
  • dhl
Ցուցադրել Ավելին
U-Care երաշխիք՝
Ոչ ոք
Ընտրեք պլան
fast shipping

Fast
Shipping

free return

Free
Return*

secure packaging

Secure Packaging

100% original products

100% Original Products

pci-dss

PCI DSS Compliance

iso certified

ISO 27001 Certified


paypal payment
visa payment
mastercard payment
qiwi wallet payment
Note: Step Down Voltage Transformer required for using electronics products of ԱՄՆ store (110-120). Recommended power converters Գնեք հիմա.

Ապրանքի մանրամասերը

Discover how to perform machine learning and extreme gradient boosting with Python. Get hands-on experience with XGBoost and scikit-learn. Shop now at Ubuy Armenia.
  • Get to grips with building robust XGBoost models using Python and scikit-learn for deploymentKey FeaturesGet up and running with machine learning and understand how to boost models with XGBoost in no timeBuild real-world machine learning pipelines and fine-tune hyperparameters to achieve optimal resultsDiscover tips and tricks and gain innovative insights from XGBoost Kaggle winnersBook DescriptionXGBoost is an industry-proven, open-source software library that provides a gradient boosting framework for scaling billions of data points quickly and efficiently.The book introduces machine learning and XGBoost in scikit-learn before building up to the theory behind gradient boosting. You'll cover decision trees and analyze bagging in the machine learning context, learning hyperparameters that extend to XGBoost along the way. You'll build gradient boosting models from scratch and extend gradient boosting to big data while recognizing speed limitations using timers. in XGBoost are explored with a focus on speed enhancements and deriving parameters mathematically. With the help of detailed case studies, you'll practice building and fine-tuning XGBoost classifiers and regressors using scikit-learn and the original Python API. You'll leverage XGBoost hyperparameters to improve scores, correct missing values, scale imbalanced datasets, and fine-tune alternative base learners. Finally, you'll apply advanced XGBoost techniques like building non-correlated ensembles, stacking models, and preparing models for industry deployment using sparse matrices, customized transformers, and pipelines.By the end of the book, you'll be able to build high-performing machine learning models using XGBoost with minimal errors and maximum speed.What you will learnBuild gradient boosting models from scratchDevelop XGBoost regressors and classifiers with accuracy and speedAnalyze variance and bias in terms of fine-tuning XGBoost hyperparametersAutomatically correct missing values and scale imbalanced dataApply alternative base learners like dart, linear models, and XGBoost random forestsCustomize transformers and pipelines to deploy XGBoost modelsBuild non-correlated ensembles and stack XGBoost models to increase accuracyWho this book is forThis book is for data science professionals and enthusiasts, data analysts, and developers who want to build fast and accurate machine learning models that scale with big data. Proficiency in Python, along with a basic understanding of linear algebra, will help you to get the most out of this book.Table of ContentsMachine Learning LandscapeDecision Trees in DepthBagging with Random ForestsFrom Gradient Boosting to XGBoostXGBoost UnveiledXGBoost HyperparametersDiscovering Exoplanets with XGBoostXGBoost Alternative Base LearnersXGBoost Kaggle MastersXGBoost Model Deployment
Publisher Packt Publishing
Publication date October 16, 2020
Language English
Print length 310 pages
ISBN-10 1839218355
ISBN-13 978-1839218354
Item Weight 1.19 pounds (540 grams)
Dimensions 7.5 x 0.7 x 9.25 inches (19.1 x 1.8 x 23.5 cm)

ԱՊՐԱՆՔՆԵՐԻ ՆԿԱՐԱԳՐՈՒԹՅՈՒՆ

Hands-On Gradient Boosting with XGBoost and scikit-learn: Perform accessible machine learning and extreme gradient boosting with Python

Ունե՞ք հարցեր: Զրուցեք մեզ հետ

Հաճախորդների հարցեր և պատասխաններ

  • Հարց: Ինչպե՞ս գնել Hands-On Gradient Boosting with XGBoost and առցանց Ubuy-ից:

    Պատասխան: Հեշտ է Hands-On Gradient Boosting with XGBoost and առցանց գնումներ կատարել Ubuy-ից:. Դուք պարզապես պետք է որոնեք ապրանքը, ընտրեք ձեր առաքման եղանակը ստուգելիս և առաքեք այն ձեր գտնվելու վայր:
  • Հարց: Hands-On Gradient Boosting with XGBoost and-ը հասանելի է Armenia-ով առցանց գնումներ կատարելու համար:

    Պատասխան: Այո, Ubuy Armenia-ում այս ապրանքը հասանելի է ձեզ մատչելի գնով գնումներ կատարելու համար:. Hands-On Gradient Boosting with XGBoost and-ը հասանելի չէ տեղում, բայց դուք կարող եք վստահել մեզ մեր էքսպրես առաքման ծառայությունները:
  • Հարց: Որքա՞ն ժամանակ է պահանջվում պատվերը տեղադրելուց հետո ապրանք ստանալու համար:

    Պատասխան: Ձեր պատվիրած ապրանքի առաքման ժամանակը տատանվում է՝ կախված ձեր պատվիրածից և ձեր ընտրած առաքման եղանակից:. Առաքման գնահատված ժամանակը նշվում է վճարումների ժամանակ, այնպես որ անհոգ եղեք գնումներ կատարելիս:

Neural Networks Editorial Review

Խմբագրական ակնարկներ չեն գտնվել

Customer Reviews & Ratings

4.4
51 Հաճախորդների գնահատումներ
  • 5 սստղ
    71%
  • 4 սստղ
    15%
  • 3 սստղ
    6%
  • 2 սստղ
    4%
  • 1 սստղ
    4%

Վերանայել այս ապրանքը

Կիսվեք մտքերով այլ հաճախորդների հետ

Product Price History

Կարևոր տեղեկատվություն

  • Սահմանափակումներ։ Միջազգային առաքման ենթակա ապրանքների երաշխիքը կարող է չգործել առաքվող երկրում, արտադրողի սպասարկման ծառայությունները կարող են անհասանելի լինել տվյալ երկրում, արտադրանքի ձեռնարկները, հրահանգները և անվտանգության նախազգուշացումները կարող են չլինել առաքվող երկրի լեզվով. ապրանքները (և ուղեկցող նյութերը) կարող են նախագծված չլինել առաքվող երկրի չափանիշներին, տեխնիկական պայմաններին և պիտակավորման պահանջներին համապատասխան. և արտադրանքը կարող է չհամապատասխանել տվյալ երկրի լարման և էլեկտրական այլ չափանիշներին (անհրաժեշտության դեպքում պահանջվում է ադապտեր կամ փոխարկիչ): Ստացողը պատասխանատու է երաշխավորելու, որ ապրանքը կարող է օրինական կերպով ներմուծվել տվյալ երկիր: Երբ պատվեր եք կատարում Ubuy-ից կամ նրա դուստր ձեռնարկություններից, ներմուծողն է պատասխանատու թղթաբանության համար և պետք է հոգա, որ այն համապատասխանի առաքվող երկրի բոլոր օրենքներին և կանոններին:
  • Ubuy-ում նշված ոչ բոլոր ապրանքներն են վաճառվում, քանի որ Ubuy-ը գլոբալ որոնման համակարգ է: Ապրանքները ենթակա են արտահանման/առևտրի կանոնակարգերի: