Caret 是一個試圖標準化機器學習過程的一個包。Caret 對 R 中最常用的機器學習方法 (目前支持238個R包)提供了統一的接口。

• 進行數據預處理

• 實現機器學習方法流程化模型構建

• 通過參數組合和交叉驗證評估模型的參數

• 選擇最優模型

• 評估模型性能

一鍵滿足各種掉包，真正實現各種計算方法的結果比較。

如果這些包還不能滿足需求，可以自己輕松定義新的方法，基于Caret進行使用。

文檔見：https://topepo.github.io/caret/available-models.html

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

Caret使用 （下一篇）

往期精品(點擊圖片直達文字對應教程)

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

?

（請備注姓名-學校/企業-職務等）

總結

以上是生活随笔為你收集整理的一个函数统一238个机器学习R包，这也太赞了吧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。