Chuyển đến nội dung chính

Miễn phí Khóa học

Machine Learning trong tidyverse

Trung cấpTrình độ kỹ năng

Đã cập nhật tháng 12, 2022

Bắt Đầu Khóa Học Miễn Phí

Bao Gồm Miễn Phí

RMachine Learning

5 giờ

15 video

52 Bài tập

4,300 XP

16,285

Giấy Chứng Nhận Thành Tích

Được yêu thích bởi học viên tại hàng nghìn công ty

Training a Team?

Try for Business

Mô tả khóa học

Khóa học này sẽ hướng dẫn bạn tận dụng các công cụ trong "tidyverse" để xây dựng, khám phá và đánh giá các mô hình Machine Learning. Kết hợp các gói tidyr và purrr, bạn sẽ xây dựng nền tảng để làm việc với các đối tượng mô hình phức tạp theo cách "tidy". Bạn cũng sẽ học cách dùng gói broom để khám phá các mô hình đã tạo. Tiếp đó, bạn sẽ được giới thiệu bộ công cụ trong quy trình train–test–validate, giúp bạn đánh giá hiệu suất của cả mô hình phân loại và hồi quy, đồng thời cung cấp thông tin cần thiết để tối ưu hiệu suất mô hình thông qua tinh chỉnh siêu tham số (hyperparameter tuning).

Điều kiện tiên quyết

Modeling with Data in the Tidyverse

1

Foundations of "tidy" Machine learning

This chapter will introduce you to the backbone of machine learning in the tidyverse, the List Column Workflow (LCW). The LCW will empower you to work with many models in one dataframe.
This chapter will also introduce you to the fundamentals of the broom package for exploring your models.

Foundations of "tidy" machine learning

Nesting your data

Unnesting your data

Explore a nested cell

The map family of functions

Mapping your data

Expecting mapped output

Mapping many models

Tidy your models with broom

The three ways to tidy your model

Extracting model statistics tidily

Augmenting your data

Bắt Đầu Chương

2

Multiple Models with broom

This chapter leverages the List Column Workflow to build and explore the attributes of 77 models. You will use the tools from the broom package to gain a multidimensional understanding of all of these models.

Exploring coefficients across models

Tidy up the coefficients of your models

What can we learn about these 77 countries?

Evaluating the fit of many models

Glance at the fit of your models

Best and worst fitting models

Visually inspect the fit of many models

Augment the fitted values of each model

Explore your best and worst fitting models

Improve the fit of your models

Build better models

Predicting the future

Bắt Đầu Chương

3

Build, Tune & Evaluate Regression Models

In this chapter you will learn how to use the List Column Workflow to build, tune and evaluate regression models. You will have the chance to work with two types of models: linear models and random forest models.

Training, test and validation splits

The test-train split

Cross-validation data frames

Measuring cross-validation performance

Build cross-validated models

Preparing for evaluation

Evaluate model performance

Building and tuning a random forest model

Build a random forest model

Evaluate a random forest model

Fine tune your model

The best performing parameter

Measuring the test performance

Build & evaluate the best model

Bắt Đầu Chương

4

Build, Tune & Evaluate Classification Models

In this chapter you will shift gears to build, tune and evaluate classification models.

Logistic regression models

Prepare train-test-validate parts

Build cross-validated models

Evaluating classification models

Predictions of a single model

Performance of a single model

Prepare for cross-validated performance

Calculate cross-validated performance

Random forest for classification

Tune random forest models

Random forest performance

Build final classification model

Measure final model performance

Bắt Đầu Chương

Machine Learning trong tidyverse

Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng Ký Ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Machine Learning trong tidyverse ngay hôm nay!

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.