Erstellen von Machine Learning-Modellen mit R und tidymodels
Erfahren Sie, wie Sie mit R Daten erkunden und analysieren können. Sie erhalten eine Einführung in Regressionsmodelle, Klassifizierungsmodelle und Clustermodelle mit Hilfe von tidymodels und R.
Dieser Lernpfad umfasst Folgendes:
- Ausführen häufiger Aufgaben zum Erkunden und Analysieren von Daten
- Verwenden von R-Paketen wie ggplot2, dplyr und tidyr, um Rohdaten in Informationen, Erkenntnisse und Wissen zu verwandeln
- Anwendungsfälle für Regressionsmodelle
- Trainieren und Bewerten von Regressionsmodellen mithilfe des tidymodels-Frameworks
- Anwendungsfälle für Klassifizierungsmodelle
- Trainieren und Bewerten eines Klassifizierungsmodells mit dem tidymodels-Framework
- Anwendungsfälle für Clusteringmodelle
- Trainieren und Bewerten von Clustermodellen mithilfe des tidymodels-Frameworks
Voraussetzungen
- Grundlegende Kenntnisse der Mathematik
- Programmiererfahrung mit R
Hinzufügen
Erfolgscode
Möchten Sie einen Erfolgscode beantragen?
Module in diesem Lernpfad
In diesem Modul erkunden, analysieren und visualisieren Sie Daten mithilfe der Programmiersprache R.
Einführung in Regressionsmodelle Beim maschinellen Lernen besteht das Ziel der Regression darin, ein Modell zu erstellen, das einen numerischen, quantifizierbaren Wert vorhersagen kann.
Klassifizierung ist eine Form des maschinellen Lernens, bei der Sie ein Klassifizierungsmodell trainieren, um vorherzusagen, welcher Kategorie oder Klasse ein Element angehört. In diesem Modul erfahren Sie, wie Sie Klassifikationsmodelle mithilfe der Programmiersprache R und des tidymodels-Frameworks trainieren.
Einführung in Clusteringmodelle Clustering ist der Prozess der Gruppierung von Objekten mit ähnlichen Objekten.