Deutschsprachige BuchvorstellungKünstliche Intelligenz

Decision Trees in Machine Learning and Data Science

Name: Decision Trees in Machine Learning and Data Science
Author: Faramarz Kowsari

A Visual Infographic Guide from Entropy and Gini to Python, Pruning, and Interpretable AI

„Decision Trees in Machine Learning and Data Science“ ist ein Buch von Faramarz Kowsari im Bereich Künstliche Intelligenz. Diese deutschsprachige Entdeckungsseite ordnet den Titel anhand der veröffentlichten Buchmetadaten ein und macht Themen, Zielgruppe, Publikationssprache sowie offizielle Lese- und Kaufwege leichter auffindbar.

Der öffentliche Buchdatensatz ordnet diesen Titel Themen rund um künstliche Intelligenz, moderne AI-Werkzeuge oder Prompt-basierte Arbeitsabläufe zu.

Publikationssprache: Englisch. Diese Seite ist eine deutschsprachige Orientierung. Das eigentliche Buch ist in Englisch veröffentlicht; Titel, Vorschau und Kaufoptionen auf Google Books beziehen sich auf diese Ausgabe.

Auf Google Books ansehen Kostenlose Vorschau öffnen Originale Buchseite

Worum geht es in diesem Buch?

Der öffentliche Buchdatensatz ordnet diesen Titel Themen rund um künstliche Intelligenz, moderne AI-Werkzeuge oder Prompt-basierte Arbeitsabläufe zu.

Ausgewiesene Schwerpunkte

Decision treesEntropyGini impurityInformation gainID3 C4.5 CARTPruningPython and scikit-learnInterpretability and overfitting

Originale öffentliche Buchbeschreibung

Englisch

Decision Trees in Machine Learning and Data Science explains tree models visually from first split to production-minded practice. It builds intuition for nodes, thresholds, entropy, Gini impurity, information gain, and split selection, then moves through ID3, C4.5, CART, overfitting, pruning, Python and scikit-learn, projects, interview questions, and reference material. Each concept is reinforced with definitions, formulas, numerical examples, code, outputs, common traps, model warnings, and mini cases, keeping interpretability and variance control visible throughout.

Für wen ist das Buch gedacht?

Die Zielgruppe ergibt sich aus der öffentlichen Buchbeschreibung. Für deutschsprachige Leser ist besonders wichtig, dass die eigentliche Ausgabe in Englisch vorliegt.

For machine-learning students, data-science practitioners, interview candidates, and readers who value visual explanations and interpretable models.

Ausgewiesene Lernziele