Ana içeriğe atla
GirişR

Kurs

R ile Ağaç Tabanlı Modellerle Machine Learning

TemelBeceri Seviyesi
Güncel 08.2023
Tidymodels ile sınıflandırma ve regresyon tahminleri yapmak için ağaç tabanlı modeller ve kümeleri kullanmayı öğrenin.
Kursa Ücretsiz Başlayın
RMachine Learning
4 sa
16 video
58 Egzersiz
4,850 XP
10,646
Başarı Belgesi

Ücretsiz Hesabınızı Oluşturun

Google ile devam edinDaha fazla seçenek göster

veya


Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Binlerce şirketten öğrencinin sevgisini kazandı

Group

Bir Ekibi Eğitiyor musunuz?

İşletmeler için deneyin

Kurs Açıklaması

Ağaç tabanlı Machine Learning modelleri, verideki karmaşık doğrusal olmayan ilişkileri ortaya çıkarabilir ve çoğu zaman Machine Learning yarışmalarında öne çıkar. Bu derste, tidymodels paketini kullanarak basit karar ağaçlarından karmaşık rastgele ormanlara kadar farklı ağaç tabanlı modelleri keşfedecek ve kuracaksın. Ayrıca, yüksek performanslı kestirim modelleri oluşturmak için topluluk öğrenmesini kullanan güçlü bir Machine Learning tekniği olan artırılmış ağaçları da öğreneceksin. Bu süreçte, diyabet görülme olasılığını ve müşteri kaybını tahmin etmek için sağlık ve kredi riski verileriyle çalışacaksın.

Önkoşullar

Modeling with tidymodels in R
1

Sınıflandırma Ağaçları

Gerçek bir Machine Learning hattı kurmaya hazır mısın? Adım adım egzersizlerle karar ağaçları oluşturmayı, verini bölmeyi ve diyabet riski en yüksek hastaları tahmin etmeyi öğren. Son olarak, modellerini değerlendirmek ve tahminlerini yargılamak için performans ölçüleri oluşturacaksın.
Bölümü Başlat
2

Regresyon Ağaçları ve Çapraz Doğrulama

Biraz şekerlemeye hazır mısın? Bir çikolata derecelendirme veri kümesini kullanarak regresyon ağaçları kur ve uygun hata ölçüleriyle performanslarını değerlendir. Çapraz doğrulama gibi tatlı teknikleri uygulayarak tek bir eğitim/test bölmesinin istatistiksel belirsizliklerini aşacak ve ardından yanlılık-varyans dengesi konusuna derinlemesine ineceksin.
Bölümü Başlat
3

Hiperparametreler ve Topluluk Modelleri

Hiperparametrelerini ciddiyetle ayarlama ve alıcı işletim karakteristik (ROC) eğrilerini yorumlama zamanı. Bu bölümde, bagging veya rastgele ormanlar gibi topluluk modelleriyle kalabalığın bilgeliğinden yararlanacak ve hangi kredi kartı müşterilerinin kayba en yatkın olduğunu öngören topluluklar kuracaksın.
Bölümü Başlat
4

Artırılmış Ağaçlar

Ağaç tabanlı modellerin yüksek sosyetesine hazır mısın? Gördüğünden ya da oluşturduğundan daha iyi performans gösteren güçlü topluluklar yaratmak için gradyan artırmayı uygula. İnce ayarlarını ve üretime almak için bir kazanan seçmek üzere farklı modelleri nasıl karşılaştıracağını öğren.
Bölümü Başlat
R ile Ağaç Tabanlı Modellerle Machine Learning
Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşın
Şimdi kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve R ile Ağaç Tabanlı Modellerle Machine Learning eğitimine başlayın!

Ücretsiz Hesabınızı Oluşturun

Google ile devam edinDaha fazla seçenek göster

veya


Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.