Direkt zum Inhalt
StartseiteRMachine Learning with caret in R

Machine Learning with caret in R

This course teaches the big ideas in machine learning like how to build and evaluate predictive models.

Kurs Kostenlos Starten
4 Stunden24 Videos88 Übungen57.989 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen


Kursbeschreibung

Machine learning is the study and application of algorithms that learn from and make predictions on data. From search results to self-driving cars, it has manifested itself in all areas of our lives and is one of the most exciting and fast growing fields of research in the world of data science. This course teaches the big ideas in machine learning: how to build and evaluate predictive models, how to tune them for optimal performance, how to preprocess data for better results, and much more. The popular caret R package, which provides a consistent interface to all of R's most powerful machine learning facilities, is used throughout the course.
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr
Testen Sie DataCamp for BusinessFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Grundlagen des Machine Learning in R

Gehe zu Track

Machine Learning Scientist mit R

Gehe zu Track
  1. 1

    Regression Models: Fitting and Evaluating Their Performance

    Kostenlos

    In the first chapter of this course, you'll fit regression models with train() and evaluate their out-of-sample performance using cross-validation and root-mean-square error (RMSE).

    Kapitel Jetzt Abspielen
    Welcome to the course
    50 xp
    In-sample RMSE for linear regression
    50 xp
    In-sample RMSE for linear regression on diamonds
    100 xp
    Out-of-sample error measures
    50 xp
    Out-of-sample RMSE for linear regression
    50 xp
    Randomly order the data frame
    100 xp
    Try an 80/20 split
    100 xp
    Predict on test set
    100 xp
    Calculate test set RMSE by hand
    100 xp
    Comparing out-of-sample RMSE to in-sample RMSE
    50 xp
    Cross-validation
    50 xp
    Advantage of cross-validation
    50 xp
    10-fold cross-validation
    100 xp
    5-fold cross-validation
    100 xp
    5 x 5-fold cross-validation
    100 xp
    Making predictions on new data
    100 xp
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr

In den folgenden Tracks

Grundlagen des Machine Learning in R

Gehe zu Track

Machine Learning Scientist mit R

Gehe zu Track

Datensätze

DiamondsSonarWineOverfit dataBreast CancerBlood-brainChurn

Mitwirkende

Collaborator's avatar
Nick Carchedi
Collaborator's avatar
Tom Jeon
Zachary Deane-Mayer HeadshotZachary Deane-Mayer

VP, Data Science at DataRobot

Mehr Anzeigen

Was sagen andere Lernende?

Melden Sie sich an 15 Millionen Lernende und starten Sie Machine Learning with caret in R Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.