这个统一了238个机器学习模型R包的参考手册推荐给你
機器學習系列教程
從隨機森林開始，一步步理解決策樹、隨機森林、ROC/AUC、數據集、交叉驗證的概念和實踐。
文字能說清的用文字、圖片能展示的用、描述不清的用公式、公式還不清楚的寫個簡單代碼，一步步理清各個環節和概念。
再到成熟代碼應用、模型調參、模型比較、模型評估，學習整個機器學習需要用到的知識和技能。
機器學習算法 - 隨機森林之決策樹初探（1）
機器學習算法-隨機森林之決策樹R 代碼從頭暴力實現（2）
機器學習算法-隨機森林之決策樹R 代碼從頭暴力實現（3）
機器學習算法-隨機森林之理論概述
隨機森林拖了這么久，終于到實戰了。先分享很多套用于機器學習的多種癌癥表達數據集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。
機器學習算法-隨機森林初探（1）
機器學習 模型評估指標 - ROC曲線和AUC值
機器學習 - 訓練集、驗證集、測試集
機器學習 - 隨機森林手動10 折交叉驗證
一個函數統一238個機器學習R包，這也太贊了吧
基于Caret和RandomForest包進行隨機森林分析的一般步驟 （1）
Caret模型訓練和調參更多參數解讀(2)
機器學習相關書籍分享
基于Caret進行隨機森林隨機調參的4種方式
送你一個在線機器學習網站，真香！
UCI機器學習數據集
機器學習第17篇 - 特征變量篩選（1）
機器學習第18篇 - 基于隨機森林的Boruta特征變量篩選（2）
機器學習系列補充：數據集準備和更正YSX包
機器學習第20篇 - 基于Boruta選擇的特征變量構建隨機森林
?機器學習第21篇 - 特征遞歸消除RFE算法 理論
RFE篩選出的特征變量竟然是Boruta的4倍之多
更多特征變量卻未能帶來隨機森林分類效果的提升
一圖感受各種機器學習算法
總結
以上是生活随笔為你收集整理的这个统一了238个机器学习模型R包的参考手册推荐给你的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： ImageGP新上几个小工具
- 下一篇： 哈佛大学单细胞课程|笔记汇总 （三）