跳至主要内容

课程

R 中的树模型机器学习

入门4 小时

学习如何使用基于树的模型和集成,通过 tidymodels 进行分类和回归预测。

R4 小时16 个视频58 个练习4,850 XP10,801成就证明

创建您的免费账户

继续使用 Google
继续即表示您接受我们的 使用条款,我们的 隐私政策 ,并且您的数据存储在美国。

深受数千家公司学习者的喜爱

要培训团队?

试用企业版

课程简介

基于树的机器学习模型可以揭示数据中复杂的非线性关系,并且常常在机器学习竞赛中占据优势。在本课程中,您将使用 tidymodels 包来探索并构建不同的树模型——从简单的决策树到复杂的随机森林。您还将学习使用提升树,这是一种利用集成学习来构建高性能预测模型的强大技术。学习过程中,您将基于健康与信用风险数据,预测糖尿病发生率和客户流失。

先修要求

课程体系

课程大纲

1

分类树

准备好搭建一个真正的机器学习流水线了吗?通过逐步练习学习如何创建决策树、划分数据,并预测哪些患者最可能患上糖尿病。最后,您还将构建性能度量来评估模型并判断预测效果。
开始本章
2

回归树与交叉验证

准备来点甜的?使用巧克力评分数据集来构建回归树,并用合适的误差度量评估其性能。通过应用如交叉验证等"甜蜜"技巧,克服单次训练/测试划分的统计不确定性,并更进一步掌握偏差-方差权衡。
开始本章
3

超参数与集成模型

4

提升树

准备好迈入树模型的"上流社会"了吗?应用梯度提升来创建性能优于您此前见过或构建过的一切的强大集成。了解其精细调优方法,并学会比较不同模型,从而为生产环境选出最佳方案。
开始本章
R

R 中的树模型机器学习

课程已完成

获得成就证明

立即报名

通过 DataCamp 移动版提升您的数据技能

借助我们的移动课程和每日 5 分钟编程挑战,随时随地取得进步。