r 머신러닝 예제

By Dave Sanasack, on Aug, 02 2019

또한 레이블이 지정된 데이터를 사용하여 레이블이 지정되지 않은 데이터에 대한 감독되지 않은 학습을 알리고 데이터 집합의 새 클래스를 식별하고 추가하는 반감독 학습 접근 방식도 있습니다(참신 검색이라고도 함). R 프로그래밍 마스터링: 코스 전반에 걸쳐 고급 기계 학습 개념과 흥미로운 프로그래밍 연습을 다룹니다. (데이터 과학자 및 기계 학습 엔지니어) 2) 학습 목적으로 13 개의 열 (데이터가 누락된 경우) + 모든 행을 선택했으며 98 % 이상의 값으로 잘 작동합니다. 그러나 모든 열을 사용할 때 정확도/감도 등이 약 60%로 떨어집니다. 그래서, 내가 가장 영향을 미치는 변수를 포함하면이 “확인”인가? 기계 학습 프로젝트의 다른 단계는 어떻습니까? 첫 번째 프로젝트이기 때문에 기계 학습 프로젝트의 모든 단계를 다루지는 않았으며 주요 단계에 집중해야 합니다. 즉, 데이터를 로드하고, 데이터를 보고, 일부 알고리즘을 평가하고, 몇 가지 예측을 합니다. 이후 자습서에서는 다른 데이터 준비 및 결과 개선 작업을 볼 수 있습니다. 매우 유익한 기사. 기계 학습을 새로 접하는 사용자의 경우 이 문서에서는 좋은 출발점을 제공합니다. 캐릿 패키지가 유용할 수 있는 위치: “분류 및 회귀 교육”의 약자이며 감독된 기계 학습 문제를 해결하기 위해 알아야 할 모든 것을 제공합니다: 수많은 기계 학습 알고리즘에 균일한 인터페이스를 제공합니다. 파이썬 머신 러닝에 조금 익숙하면 scikit-learn과 유사점이 있을 수 있습니다! 방금 R을 학습하고 내 데이터 집합에 맞게이 자습서를 사용하려고 시도하고 누락 된 패키지와 같은 몇 가지 문제가 있었지만 라이브러리 (caret)가 누락 된 것을 알 수 있으므로 install.packages (누락 된 패키지)의 간단한 경우입니다. 표시)를 표시합니다. 위대한 튜토리얼 제이슨! 나를 조회하고 보너스입니다 LDA와 KNN 등에 대해 좀 더 배울 영감을! 훌륭한 자기 학습 경험.

분석 경험이 있지만 상대적인 R 초보자이지만 기본 메서드 및 R 함수에 대한 몇 가지 인터넷 검색을 이해하고 따를 수 있습니다. 그래서, 감사합니다! 알고리즘이 어떻게 작동하는지 알 필요가 없습니다. 기계 학습 알고리즘을 구성하는 방법과 제한 사항에 대해 아는 것이 중요합니다.