ブログ

r프로젝트 다운로드

2020年2月6日

제이슨, 이것은 아주 잘 만들어진 튜토리얼입니다. 그것은 나를 위해 정말 도움이 – 예, 추가 패키지와 함께 몇 가지 문제가있을 수 있습니다, e1071 같은, 내 경우에 즉석에서 설치해야하는. 그러나 더 이상 이 것과 함께 앉아, 더 나은 그는 이해. 그냥 그런 더 많은 프로젝트에 내 손을 얻을 수 있다. 나는 사물의 Power BI 측면에서 온, 데이터 분석에 더 깊이 탐구하고 싶어.. 그래, 기계 학습과 AI – 누가 알고있다! 좋은 튜토리얼, 정말 감사합니다. 안녕! 이 튜토리얼을 제공 주셔서 감사합니다. 예제와 매우 유사한 프로젝트에서 작업하고 있는데, 차이점은 선형 회귀라는 것입니다. “전체 모델”, “앞으로 선택/도약”, “능선 회귀”가 있는 카렛 패키지와 기차 함수를 사용하고 메트릭 “RMSE”를 성능 메트릭으로 사용하고 있습니다. 가장 낮은 “RMSE”로 모델을 선택해야합니다. 예제에 있는 것과 거의 동일한 스크립트를 사용하고 있습니다. 내 문제는 내가 뭘하고 있는지의 이론에서 길을 잃었다는 것입니다.

제가 아는 것과 길을 잃은 곳은 다음과 같습니다: 바이오컨덕터는 바이오컨덕토리코어 팀의 풀타임 포지션을 고용하고 있습니다! 개별 프로젝트는 유연하지만 새로운 algoritms 및 기타 소프트웨어 개발에 기여하여 R에서 높은 처리량의 게놈 분석을 지원할 수 있는 특별한 기회를 제공합니다. 최소 요건은 일부 프로그래밍 배경을 가진 적절한 분야 (컴퓨터 프로그래밍, 생물 정보학, 생물 과학 등)에서 석사 학위입니다. 국제적으로 활용되는 바이오 컨덕티드 패키지 컬렉션에서 더 큰 역할을 할 준비가 되셨습니까? 오늘 신청하세요! Caret 패키지는 수백 개의 기계 학습 알고리즘에 일관된 인터페이스를 제공하며 데이터 시각화, 데이터 리샘플링, 모델 튜닝 및 모델 비교를 위한 유용한 편리한 방법을 제공합니다. 그것은 아이리스 프로젝트에 R.의 기계 학습 프로젝트에 대한 도구가 있어야합니다, 데이터를 분할하는 기능에 대한 오류가 발생. 아래 명령을 참조하십시오. 기계 학습 전문가가 될 필요는 없습니다. 나중에 다양한 알고리즘의 이점과 한계에 대해 알아볼 수 있으며 나중에 기계 학습 프로젝트의 단계와 교차 유효성 검사를 사용하여 정확도를 평가하는 것의 중요성을 자세히 알아보려면 나중에 읽을 수 있는 게시물이 많이 있습니다. 명령줄을 열고 프로젝트 디렉토리를 변경(또는 만들기)하고 입력하여 R을 시작합니다: “기계 학습 프로젝트는 선형이 아닐 수 있지만 잘 알려진 여러 단계가 있습니다:” e1071은 caret에서 사용하는 다양한 알고리즘을 제공합니다. 여기에서 자세히 알아보기: https://cran.r-project.org/web/packages/e1071/index.html 기계 학습 프로젝트의 다른 단계에 대해 알아봅니다. 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.