一个函数统一238个机器学习R包,这也太赞了吧
Caret
是一个试图标准化机器学习过程的一个包。Caret 对 R 中最常用的机器学习方法 (目前支持238个R包)提供了统一的接口。
进行数据预处理
实现机器学习方法流程化模型构建
通过参数组合和交叉验证评估模型的参数
选择最优模型
评估模型性能
一键满足各种掉包,真正实现各种计算方法的结果比较。
如果这些包还不能满足需求,可以自己轻松定义新的方法,基于Caret进行使用。
文档见:https://topepo.github.io/caret/available-models.html
机器学习系列教程
从随机森林开始,一步步理解决策树、随机森林、ROC/AUC、数据集、交叉验证的概念和实践。
文字能说清的用文字、图片能展示的用、描述不清的用公式、公式还不清楚的写个简单代码,一步步理清各个环节和概念。
再到成熟代码应用、模型调参、模型比较、模型评估,学习整个机器学习需要用到的知识和技能。
机器学习算法 - 随机森林之决策树初探(1)
机器学习算法-随机森林之决策树R 代码从头暴力实现(2)
机器学习算法-随机森林之决策树R 代码从头暴力实现(3)
机器学习算法-随机森林之理论概述
随机森林拖了这么久,终于到实战了。先分享很多套用于机器学习的多种癌症表达数据集 https://file.biolab.si/biolab/supp/bi-cancer/projections/。
机器学习算法-随机森林初探(1)
机器学习 模型评估指标 - ROC曲线和AUC值
机器学习 - 训练集、验证集、测试集
机器学习 - 随机森林手动10 折交叉验证
Caret使用 (下一篇)
往期精品(点击图片直达文字对应教程)
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
(请备注姓名-学校/企业-职务等)
一个函数统一238个机器学习R包,这也太赞了吧相关推荐
- Cicero:一个单细胞染色质可及性实验可视化R包
本文可在http://xuzhougeng.top/免费阅读原文 Cicero是一个单细胞染色质可及性实验可视化R包.Cicero的主要功能就是使用单细胞染色质可及性数据通过分析共开放去预测基因组上顺 ...
- BiocManager安装R包解决下载速度太慢的问题
在安装完R语言和RStudio后,我配置了R包安装的镜像.配置镜像的方式有两种. 一是直接修改R安装路径:.\R-4.1.2\etc下的Rprofile.site文件(如下图所示),添加如下内容: # ...
- 这个统一了238个机器学习模型R包的参考手册推荐给你
机器学习系列教程 从随机森林开始,一步步理解决策树.随机森林.ROC/AUC.数据集.交叉验证的概念和实践. 文字能说清的用文字.图片能展示的用.描述不清的用公式.公式还不清楚的写个简单代码,一步步理 ...
- 使用R语言的正确姿势,R包干货奉献
生物信息学习的正确姿势 NGS系列文章包括NGS基础.在线绘图.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-seq分析 (ChIP-seq基本分析流程).单细胞 ...
- 如何制作自己的R包?
摘自 方匡南 等编著<R数据分析-方法与案例详解>.电子工业出版社 R包简介 R包提供了一个加载所需代码.数据和文件的集合.R软件自身就包含大约30种不同功能的包,这些基本包提供了R软件的 ...
- 进阶必看 | R包制作指南-windows系统
R包制作指南 准备工作 开始创建R包 在Rstudio内完成R包构建 先前与大家分享过如何安装和使用R包,也与大家分享过自定义函数,这些都是R包的基础.一般来说,会将写好的函数进行封装,打包起来 ...
- R语言与数据分析(7)-R包的使用
R包介绍 R包是函数.数据与编译代码以一种定义完善的格式组成的集合, 计算机上存储包的目录称为库library,==函数.libPaths()==可以显示库所在的位置 library() 可以显示库中 ...
- R语言机器学习 MLR包(以及一个简单的案例实现)
最近在尝试用Rstudio写Ensemble Learning的代码,尝试了mlr(2019年后更新的部分在mlr3中,mlr不再更新)和caret两个包,做点笔记. mlr的功能更集中于机器学习接口 ...
- R语言使用caretEnsemble包的caretStack函数把多个机器学习模型融合成一个模型、构建融合(集成)预测模型、使用融合模型进行预测推理
R语言使用caretEnsemble包的caretStack函数把多个机器学习模型融合成一个模型.构建融合(集成)预测模型.自定义融合模型的trainControl参数.method参数.评估指标参数 ...
最新文章
- 机器学习中的聚类算法(2):Mean Shift算法
- python实现冒泡排序视频_Python实现冒泡排序算法的完整实例
- 安全测试-抓包工具BurpSuite
- 以太坊源码分析-交易
- volatile的学习总结
- 使用Excel导入数据到SAP Cloud for Customer系统
- ffmpeg 视频的剪切
- Linux内存管理:一个故事看懂CPU内存管理技术
- 增量式pid调节方式有何优点_PID控制在变频器驱动系统中的应用
- 在腾讯实习的那段日子:不要在难受的时候选择 '逃避/离开'
- 微型计算机公众号,《互联网周刊》编辑推荐的40个微信公众号
- 金蝶EAS BOS工作流开发(附带JAVA脚本)
- 获取Google Advertising ID作为唯一识别码
- ybt1058 求一元二次方程
- 前端三刺客---JS(WebAPI)
- 发布镜像【DockerHub或阿里云】
- html玫瑰花,HTML5 canvas绘制的玫瑰花效果
- Java多态的应用练习题
- 图像融合(Image Fusion)简介
- 解析SCUT FIR Pedestrian Dataset数据