Bewertung:
Das Buch wird für seinen Inhalt zur sauberen Modellierung in R geschätzt und bietet wertvolle Einblicke und praktische Ratschläge von erfahrenen Autoren. Allerdings fehlt der Farbdruck, was von einigen Lesern als Nachteil empfunden wurde, und es könnte aufgrund der fehlenden Paketnamen in Funktionsaufrufen schwierig sein, dem Buch zu folgen.
Vorteile:Wertvoller Inhalt, der die Kenntnisse der R-Programmierung stärkt, praktische Einblicke in die Modellierung, sowohl für Anfänger als auch für erfahrene Fachleute empfohlen, leicht verständliche Sprache, behandelt wichtige Fallstricke bei der Modellierung.
Nachteile:Fehlender Farbdruck, was der Präsentation abträglich ist; das Weglassen von Paketnamen in Funktionsaufrufen erschwert die Fehlersuche.
(basierend auf 6 Leserbewertungen)
Tidy Modeling with R: A Framework for Modeling in the Tidyverse
Legen Sie los mit tidymodels, einer Sammlung von R-Paketen für Modellierung und maschinelles Lernen. Egal, ob Sie gerade erst anfangen oder schon jahrelange Erfahrung mit der Modellierung haben, diese praktische Einführung zeigt Datenanalysten, Business-Analysten und Datenwissenschaftlern, wie das tidymodels-Framework einen konsistenten, flexiblen Ansatz für Ihre Arbeit bietet.
Die RStudio-Ingenieure Max Kuhn und Julia Silge zeigen Wege zur Erstellung von Modellen auf, indem sie sich auf einen R-Dialekt namens tidyverse konzentrieren. Software, die die Tidyverse-Prinzipien anwendet, teilt sowohl eine High-Level-Designphilosophie als auch eine Low-Level-Grammatik und Datenstrukturen, so dass das Erlernen eines Teils des Ökosystems das Erlernen des nächsten erleichtert. Sie werden verstehen, warum das tidymodels-Framework so aufgebaut wurde, dass es von einem breiten Spektrum von Menschen genutzt werden kann.
Mit diesem Buch werden Sie:
⬤ Lernen Sie die notwendigen Schritte, um ein Modell von Anfang bis Ende zu erstellen.
⬤ Verstehen Sie, wie Sie verschiedene Modellierungs- und Feature-Engineering-Ansätze fließend anwenden können.
⬤ Untersuchen Sie die Möglichkeiten zur Vermeidung häufiger Fallstricke bei der Modellierung, wie z. B. Overfitting.
⬤ Lernen Sie praktische Methoden, um Ihre Daten für die Modellierung vorzubereiten.
⬤ Modelle für eine optimale Leistung abstimmen.
⬤ Nutzen Sie bewährte statistische Verfahren zum Vergleichen, Bewerten und Auswählen von Modellen.
| ISBN: | 9781492096481 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2022 |
| Seitenzahl: | 300 |
Derzeit verfügbar, auf Lager.
