学习 Caret 的 3 个理由

机器学习是研究与应用能够从数据中学习并进行预测的算法。从搜索结果到自动驾驶汽车，它已渗透到我们生活的方方面面，也是数据科学领域最令人兴奋且增长最快的研究方向之一。由 Max Kuhn 维护的 caret 包，是 R 社区中用于预测建模和监督学习的首选工具。这个广泛使用的包为 R 中最强大的机器学习功能提供了一致的接口。还需要更多理由吗？在本文中，我们将介绍您应该学习 caret 包的 3 个原因。之后，您可以参加由 caret 包的共同作者 Zachary Deane-Mayer 和 Max Kuhn 授课的 DataCamp 机器学习工具箱课程！ 

1. Caret 能助您获得数据科学工作

是否曾在数据科学的职位描述中看到“预测建模”“分类”“回归”或“机器学习”等词？如果您正在寻求数据科学岗位，很可能会被期望具备这些主题的经验与知识。好在 caret 包统统能帮上忙。caret 被称为 R 语言机器学习的“瑞士军刀”，以直观且一致的格式胜任多种任务。

2. Caret 是最受欢迎的 R 包之一 

caret 包每月有超过 38,000 次直接下载，使其成为 R 社区最受欢迎的包之一。这也带来了显著益处，包括海量文档与实用教程。您可以安装 Rdocumentation 包，在 R 控制台中直接访问详尽的文档与社区示例。只需复制并粘贴以下代码： 

# Install and load RDocumentation for comprehensive help with R packages and functions
install.packages("RDocumentation")
library("RDocumentation")技术支持

当然，学习一个被广泛使用的包的另一个好处是，您的同事也很可能在使用 caret —— 这意味着您们可以更轻松地在项目中协作。此外，caret 还是大量其他机器学习与建模包的依赖包。理解 caret 的工作方式，将让您更顺畅地学习更多实用的R 包。 

3. Caret 易学且功能强大

如果您是 R 语言初学者，caret 提供了便捷的接口来完成复杂任务。比如，您可以用一种简单、统一的格式训练多种不同类型的模型。您还可以监控多种参数组合并评估性能，从而理解它们对目标模型的影响。此外，caret 还能通过对比特定问题下的准确率与性能，帮助您选择最合适的模型。

完成下面的代码挑战，看看使用 caret 构建模型并预测数值究竟有多简单。我们已将 mtcars 数据集拆分为训练集 train 和测试集 test，这两个对象都已在控制台中可用。您的目标是根据车辆重量预测 test 数据集中每辆车的每加仑英里数。亲自体验一下，caret 如何仅用两行代码就能搞定这项任务！

# Finish the model by replacing the blank with the `train` object
mtcars_model <- train(mpg ~ wt, data = ___, method = "lm")

# Predict the mpg of each car by replacing the blank with the `test` object
results <- predict(mtcars_model, newdata = ___)
       
# Print the `results` object
results

想亲自学习 Caret 吗？

好消息！DataCamp 刚刚上线全新课程 在 R 中使用 Caret 进行机器学习。课程由 caret 包的共同作者 Max Kuhn 与 Zachary Deane-Mayer 授课。通过 24 个视频和 88 个交互式练习，您将直接向包的作者学习。课程还包含一个客户流失案例研究，帮助您检验 caret 技能并获得实战的机器学习经验。还在等什么？立即开始学习！