Прикладное машинное обучение в R с кареткой

Машинное обучение позволяет принимать современные решения, преобразуя необработанные данные в полезные предсказательные выводы. Если вы хотите использовать эту мощь с помощью R, освоение унифицированного рабочего процесса — наиболее эффективный способ начать. Этот текстовый курс поможет вам пройти весь процесс машинного обучения с использованием популярного пакета caret. Вы пройдете путь от понимания основных концепций до подготовки данных, обучения различных алгоритмов и оптимизации производительности модели с помощью стандартных методов. Что вы узнаете: - Понять основные понятия обучения с наблюдением, регрессии и классификации - Подготовка исходных данных для моделирования с использованием современных методов предварительной обработки и инженерного обеспечения - Обучение различных алгоритмов машинного обучения, включая деревья решений, случайные леса и линейные модели - оценка эффективности модели с использованием надежных методов перевыборки, таких, как перекрестная проверка с использование k-кратного метода - Систематическая настройка гиперпараметров для оптимизации точности прогнозирования - Анализировать и интерпретировать прогнозы модели для получения значимых выводов Вы начнете с основной терминологии и подготовки данных, а затем перейдете к практическому обучению, настройке и сравнению нескольких моделей машинного обучения. Каждая концепция подкреплена четкими письменными объяснениями и функциональными фрагментами кода R, которые вы можете применить сразу же. Этот курс предназначен для начинающих машинного обучения, которые имеют базовое знание программирования R и хотят построить практические навыки предсказывающего моделирования. Не требуется продвинутого математического или статистического фона. Начните свой путь в прикладном машинном обучении и создавайте свои первые предсказывающие модели уже сегодня.