Accéder au contenu principal

Cours

Modéliser avec tidymodels en R

IntermédiaireNiveau de compétence

Actualisé 07/2022

Apprenez à optimiser vos workflows de machine learning avec tidymodels.

Commencer le cours gratuitement

RMachine Learning

4 h

16 vidéos

59 Exercices

4,950 XP

10,785

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

Tidymodels est une puissante suite de packages R conçue pour rationaliser les workflows de Machine Learning. Apprenez à fractionner des jeux de données pour la validation croisée, à prétraiter les données avec le package recipes de tidymodels et à ajuster finement des algorithmes de Machine Learning. Vous découvrirez des notions clés comme la définition d’objets de modèle et la création de workflows de modélisation. Ensuite, vous mettrez vos compétences en pratique pour prédire les prix des logements et classer des employés selon leur risque de quitter l’entreprise.

Prérequis

Modeling with Data in the Tidyverse

1

Machine Learning with tidymodels

In this chapter, you’ll explore the rich ecosystem of R packages that power tidymodels and learn how they can streamline your machine learning workflows. You’ll then put your tidymodels skills to the test by predicting house sale prices in Seattle, Washington.

The tidymodels ecosystem

Tidymodels packages

Creating training and test datasets

Distribution of outcome variable values

Linear regression with tidymodels

Fitting a linear regression model

Exploring estimated model parameters

Predicting home selling prices

Evaluating model performance

Model performance metrics

R squared plot

Complete model fitting process with last_fit()

Commencer le chapitre

2

Classification Models

Learn how to predict categorical outcomes by training classification models. Using the skills you’ve gained so far, you’ll predict the likelihood of customers canceling their service with a telecommunications company.

Classification models

Data resampling

Fitting a logistic regression model

Combining test dataset results

Assessing model fit

Calculating metrics from the confusion matrix

Evaluating performance with yardstick

Creating custom metric sets

Visualizing model performance

Plotting the confusion matrix

ROC curves and area under the ROC curve

Automating the modeling workflow

Streamlining the modeling process

Collecting predictions and creating custom metrics

Complete modeling workflow

Commencer le chapitre

3

Feature Engineering

Find out how to bake feature engineering pipelines with the recipes package. You’ll prepare numeric and categorical data to help machine learning algorithms optimize your predictions.

Feature engineering

Exploring recipe objects

Creating recipe objects

Training a recipe object

Numeric predictors

Discovering correlated predictors

Removing correlated predictors with recipes

Multiple feature engineering steps

Nominal predictors

Applying step_dummy() to predictors

Ordering of step_*() functions

Complete feature engineering pipeline

Complete modeling workflow

Feature engineering process

Model training and prediction

Model performance metrics

Commencer le chapitre

4

Workflows and Hyperparameter Tuning

Now it’s time to streamline the modeling process using workflows and fine-tune models with cross-validation and hyperparameter tuning. You’ll learn how to tune a decision tree classification model to predict whether a bank's customers are likely to default on their loan.

Machine learning workflows

Exploring the loans dataset

Specifying a model and recipe

Creating workflows

Estimating performance with cross validation

Measuring performance with cross validation

Cross validation with logistic regression

Comparing model performance profiles

Hyperparameter tuning

Setting model hyperparameters

Random grid search

Exploring tuning results

Selecting the best model

Finalizing a workflow

Training a finalized workflow

Congratulations!

Commencer le chapitre

Modéliser avec tidymodels en R

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Modéliser avec tidymodels en R dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.