tidymodels的其他高级方法
18
When Should You Trust Your Predictions?
Tidymodels with R-读书笔记
前言-机器学习简介
使用infer进行统计分析
1
抽样、估计、置信区间
2
假设检验
3
用数据讲故事
整洁建模及其模型调优
4
整洁建模的一般步骤
5
用parsnip拟合模型
6
用workflow管理建模流程
7
使用recipes进行特征工程
8
模型效果的评价指标计算
9
评估模型性能-重采样
10
通过重采样比较模型
11
模型调整和过拟合的危险
12
超参数调优的网格搜索法
13
超参数调优的迭代搜索法
14
多个模型筛选的工作流集合
tidymodels的其他高级方法
15
降维
16
Encoding Categorical Data
17
Explaining Models and Predictions
18
When Should You Trust Your Predictions?
19
Ensembles of Models
20
Inferential Analysis
21
其他机器学习的主题
References
Appendices
A
Statistical Background
B
Inference Examples
C
Tips and Tricks
D
The theory behind the bootstrap method
tidymodels的其他高级方法
18
When Should You Trust Your Predictions?
18
When Should You Trust Your Predictions?
17
Explaining Models and Predictions
19
Ensembles of Models