After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
I den här kursen lär du dig att använda verktygen i "tidyverse" för att skapa, utforska och utvärdera maskininlärningsmodeller. Med en kombination av paketen tidyr och purrr bygger du upp en grund för hur man arbetar med komplexa modellobjekt på ett "tidy"-sätt. Du lär dig också att använda paketet broom för att utforska dina modeller. Därefter introduceras du till verktygen i ett träna-testa-validera-flöde, som ger dig möjlighet att utvärdera prestandan hos både klassificerings- och regressionsmodeller samt den information som krävs för att optimera modellprestandan via hyperparameterjustering.
Förkunskapskrav
Kursplan
Kursöversikt
1
Grunder i "tidy" maskininlärning
Det här kapitlet introducerar dig till grunden för maskininlärning i tidyverse: List Column Workflow (LCW). LCW ger dig möjlighet att arbeta med många modeller i en och samma dataram.
Kapitlet introducerar dig också till grunderna i paketet broom för att utforska dina modeller.
Kapitlet introducerar dig också till grunderna i paketet broom för att utforska dina modeller.
- Grunder i "tidy" maskininlärning50 XP
- Nästla din data100 XP
- Packa upp din data100 XP
- Utforska en nästlad cell100 XP
- Map-funktionsfamiljen50 XP
- Mappa dina data100 XP
- Förväntad mappningsutdata100 XP
- Mappa många modeller100 XP
- Städa upp dina modeller med broom50 XP
- De tre sätten att städa upp din modell50 XP
- Extrahera modellstatistik på ett tidy-sätt100 XP
- Utöka dina data100 XP
2
Flera modeller med broom
Det här kapitlet använder List Column Workflow för att bygga och utforska egenskaperna hos 77 modeller. Du använder verktygen från paketet broom för att få en mångdimensionell förståelse av samtliga modeller.
3
Bygg, justera och utvärdera regressionsmodeller
I det här kapitlet lär du dig att använda List Column Workflow för att bygga, justera och utvärdera regressionsmodeller. Du får möjlighet att arbeta med två typer av modeller: linjära modeller och random forest-modeller.
4
Bygg, justera och utvärdera klassificeringsmodeller
I det här kapitlet riktar du in dig på att bygga, justera och utvärdera klassificeringsmodeller.
R
Maskininlärning med Tidyverse
Kurs
slutförd
