ÎncepețiÎncepe gratuit

Acasă
Cursuri
Machine Learning în Tidyverse

Rezumat

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Acest exercițiu face parte din cursul

Machine Learning în Tidyverse

SkillTag.level.intermediateSkillTag.label

4.8+

Începe cursul gratuit

Acest capitol îți prezintă fundamentul machine learning-ului în tidyverse: Fluxul de lucru cu coloane de tip listă (List Column Workflow – LCW). LCW îți permite să lucrezi cu mai multe modele într-un singur dataframe. <br> Tot în acest capitol vei face cunoștință cu elementele de bază ale pachetului broom, folosit pentru explorarea modelelor.

Exercise 1: Bazele machine learning-ului „tidy"Exercise 2: Imbricarea datelor Exercise 3: Dezanidarea datelor tale Exercise 4: Explorează o celulă imbricată Exercise 5: Familia de funcții map Exercise 6: Maparea datelor tale Exercise 7: Rezultate mapate cu tip explicit Exercise 8: Antrenarea mai multor modele Exercise 9: Ordonează-ți modelele cu broom Exercise 10: Cele trei moduri de a ordona modelul tău Exercise 11: Extragerea statisticilor modelului într-un mod tidy Exercise 12: Augmentarea datelor tale

Acest capitol folosește Fluxul de lucru cu coloane de tip listă pentru a construi și explora atributele a 77 de modele. Vei utiliza instrumentele din pachetul broom pentru a obține o înțelegere multidimensională a tuturor acestor modele.

Exercise 1: Explorarea coeficienților în mai multe modele Exercise 2: Ordonează coeficienții modelelor tale Exercise 3: Ce putem afla despre aceste 77 de țări?Exercise 4: Evaluarea calității ajustării pentru mai multe modele Exercise 5: Aruncă o privire asupra potrivirii modelelor tale Exercise 6: Cele mai bune și cele mai slabe modele Exercise 7: Inspectează vizual potrivirea mai multor modele Exercise 8: Augmentează valorile estimate ale fiecărui model Exercise 9: Explorează cele mai bune și mai slabe modele ale tale Exercise 10: Îmbunătățește calitatea modelelor tale Exercise 11: Îmbunătățește modelele Exercise 12: Predicții despre viitor

În acest capitol vei învăța să folosești Fluxul de lucru cu coloane de tip listă pentru a construi, ajusta și evalua modele de regresie. Vei lucra cu două tipuri de modele: modele liniare și modele de tip random forest.

Exercise 1: Împărțirea datelor în seturi de antrenament, testare și validare Exercise 2: Împărțirea în seturi de antrenament și testare Exercise 3: Date frame-uri pentru validarea încrucișată Exercise 4: Măsurarea performanței prin validare încrucișată Exercise 5: Construiește modele cu validare încrucișată Exercise 6: Pregătirea pentru evaluare Exercise 7: Evaluează performanța modelului Exercise 8: Construirea și optimizarea unui model de pădure aleatorie Exercise 9: Construiește un model de pădure aleatorie Exercise 10: Evaluarea unui model de pădure aleatoare Exercise 11: Ajustează fin modelul Exercise 12: Parametrul cu cea mai bună performanță Exercise 13: Măsurarea performanței pe setul de testare Exercise 14: Construiește și evaluează cel mai bun model

În acest capitol vei schimba direcția și te vei concentra pe construirea, ajustarea și evaluarea modelelor de clasificare.

Exercise 1: Modele de regresie logistică Exercise 2: Pregătește seturile de antrenament, testare și validare Exercise 3: Construiește modele cu validare încrucișată Exercise 4: Evaluarea modelelor de clasificare Exercise 5: Predicțiile unui singur model Exercise 6: Performanța unui model individual Exercise 7: Pregătire pentru performanța cu validare încrucișată Exercise 8: Calculează performanța prin validare încrucișată Exercise 9: Random forest pentru clasificare Exercise 10: Reglează modelele random forest Exercise 11: Performanța pădurii aleatoare Exercise 12: Construiește modelul final de clasificare Exercise 13: Măsoară performanța finală a modelului Exercise 14: Rezumat

Exercițiul curent