or
この演習はコースの一部です
この章では、tidymodels を支える R パッケージの豊かなエコシステムを探り、それらが Machine Learning のワークフローをどのように効率化できるかを学びます。そのうえで、ワシントン州シアトルの住宅販売価格を予測して、tidymodels のスキルを実践します。
分類モデルを学習して、カテゴリカルな結果を予測する方法を身につけます。これまでに習得したスキルを活用して、通信会社の顧客がサービスを解約する可能性を予測します。
recipes パッケージを使って、特徴量エンジニアリングのパイプラインを構築する方法を学びます。数値データとカテゴリカルデータを適切に準備し、Machine Learning アルゴリズムが予測を最適化できるようにします。
現在の演習
いよいよワークフローを使ってモデリングプロセスを効率化し、クロスバリデーションとハイパーパラメータチューニングでモデルを微調整します。銀行の顧客がローンを延滞する可能性を予測するため、決定木の分類モデルのチューニング方法を学びます。