Machine learning is de studie en toepassing van algoritmen die leren van data en op basis daarvan voorspellingen doen. Van zoekresultaten tot zelfrijdende auto’s: het duikt overal in ons leven op en is een van de spannendste en snelst groeiende onderzoeksvelden binnen data science. Het pakket caret, onderhouden door Max Kuhn, is binnen de R-community dé go-to voor voorspellend modelleren en supervised learning. Dit breed gebruikte pakket biedt een consistente interface naar R’s meest krachtige machine-learningfaciliteiten. Nog niet helemaal overtuigd? In deze post bespreken we 3 redenen waarom je het pakket caret zou moeten leren. Daarna kun je DataCamp’s cursus Machine Learning Toolbox volgen, gegeven door Zachary Deane-Mayer & Max Kuhn, de coauteurs van het caret-pakket!
1. Caret kan je helpen aan een baan in data science
Lees je wel eens vacatures voor data science waarin woorden staan als “predictive modeling”, “classification”, “regression” of “machine learning”? Als je een functie in data science zoekt, is de kans groot dat er ervaring en kennis van al deze onderwerpen wordt verwacht. Gelukkig zit je met het pakket caret goed. Het caret-pakket staat bekend als het “Zwitserse zakmes” voor machine learning met R: het kan veel taken uitvoeren in een intuïtief en consistent format.
2. Caret is een van de populairste R-pakketten
Het caret-pakket wordt maandelijks meer dan 38.000 keer direct gedownload en is daarmee een van de populairste pakketten in de R-community. Dat brengt flinke voordelen met zich mee, zoals een overvloed aan documentatie en nuttige tutorials. Je kunt het pakket Rdocumentation installeren om handige documentatie en voorbeelden uit de community direct in je R-console te raadplegen. Kopieer en plak simpelweg de volgende code:
# Install and load RDocumentation for comprehensive help with R packages and functions
install.packages("RDocumentation")
library("RDocumentation")Nog een voordeel van het leren van een veelgebruikt pakket is dat je collega’s waarschijnlijk ook met caret werken, waardoor je makkelijker kunt samenwerken aan projecten. Daarnaast is caret ook een dependency voor een groot aantal extra machine-learning- en modelleerpackages. Begrijpen hoe caret werkt, maakt het eenvoudiger en vloeiender om nog meer handige R-pakketten te leren.
3. Caret is makkelijk te leren en toch heel krachtig
Als beginnende R-gebruiker biedt het caret-pakket een eenvoudige interface voor complexe taken. Zo kun je meerdere verschillende typen modellen trainen met één makkelijk, uniform format. Je kunt ook verschillende combinaties van parameters monitoren en de prestaties evalueren om hun impact op het model dat je wilt bouwen te begrijpen. Daarnaast helpt het caret-pakket je het meest geschikte model te kiezen door de nauwkeurigheid en prestaties voor een specifiek probleem te vergelijken.
Maak de code challenge hieronder om te zien hoe eenvoudig het is om met caret modellen te bouwen en waarden te voorspellen. We hebben de dataset mtcars alvast opgesplitst in een trainingsset, train, en een testset, test. Beide objecten zijn beschikbaar in de console. Jouw doel is om het aantal miles per gallon van elke auto in de test-dataset te voorspellen op basis van hun gewicht. Ervaar zelf hoe het caret-pakket deze taak aankan met slechts twee regels code!
Wil je zelf Caret leren?
Geluk gehad! DataCamp heeft zojuist een gloednieuwe cursus Machine Learning with Caret in R uitgebracht. De cursus wordt gegeven door de coauteurs van het caret-pakket, Max Kuhn en Zachary Deane-Mayer. Je leert rechtstreeks van de mensen die het pakket schreven, via 24 video’s en 88 interactieve oefeningen. De cursus bevat ook een klantverloop-casestudy waarmee je je caret-skills op de proef stelt en praktische machine-learningervaring opdoet. Waar wacht je nog op? Volg de cursus nu!
