R’da Makine Öğrenmesi için Yeni Paket: Tidymodels

tidymodels paketi makine öğrenmesi için oluşturulmuş bir koleksiyondur.

R’da tidymodels paketini yüklemek için;

komutunu kullanabilirsiniz.

İster bugün yeni başlıyor olun, isterseniz modelleme konusunda yılların deneyimine sahip olun, tidymodels işiniz için tutarlı ve esnek bir çerçeve sunmaktadır.

tidymodels başlangıçta yüklenen bazı paketler içermektedir. Şimdi bu paketlere göz atalım:

rsample

rsample

rsample, analizler için farklı türde örnekler ve karşılık gelen sınıflar oluşturmak için ise bir dizi fonksiyon içerir. Amaç, aşağıdakiler için farklı R paketlerinde kullanılabilecek modüler bir yöntem setine sahip olmaktır:

  • Bir istatistiğin örnekleme dağılımını tahmin etmek için geleneksel yeniden örnekleme teknikleri,
  • eldeki bir veri setini kullanarak model performansını tahmin etmek.

rsample‘ın kapsamı, bir veri setinin yeniden örneklemelerini oluşturmak ve analiz etmek için temel yapı taşlarını sağlamaktır, ancak istatistikleri modellemek veya hesaplamak için kod içermez. “Yeniden Örnekleme Setleri ile Çalışma”, rsample araçlarının nasıl kullanılabileceğine ilişkin göstergeler sunmaktadır.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

parsnip

parsnip

R’de bulunan ve aynı şeyi yapan farklı modelleme fonksiyonları ile ilgili bir zorluk, farklı arayüzlere ve parametrelere sahip olmalarıdır. parsnip paketi bu fonksiyonların kullanımı için kolaylıklar sağlamaktadır. Ayrıca, bir veri seti için uyguladığımız farklı algoritmaların özet çıktı sonuçları bu pakette detaylı olarak gösterilmektedir.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

recipes

recipes

recipes paketi, modelleme veya görselleştirme için kullanılabilecek tasarım matrisleri oluşturmak ve veri ön işleme için alternatif bir yöntemdir.

R zaten bu matrisleri oluşturmak için uzun süredir var olan yöntemlere sahip olsa da (örneğin, formüller ve model.matrix), mevcut fonksiyonların yapabilecekleri konusunda bazı sınırlamalar vardır.

recipes paketinin amacı, verilerin ön işlemesini ve kodlamalarını sırayla tanımlamak için kullanılabilecek bir plan üretmektir.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

workflows

workflows

workflows, ön işleme, modelleme ve işleme sonrası yapacaklarınızı bir araya getirebilen bir nesnedir. Örneğin, bir “recipe” ve “parsnip” modeliniz varsa, bunlar bir workflows paketinde birleştirilebilir. Avantajları:

  • Çalışma alanınızdaki ayrı nesneleri takip etmeniz gerekmez.
  • recipe hazırlama ve model uydurma, tek bir fit() fonksiyonu kullanılarak gerçekleştirilebilir.
  • Özel parametre ayarlarınız varsa, bunlar birleştirilerek daha basit bir arayüz tanımlanabilir.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

tune

tune

tune‘nin amacı, tidymodel paketleri için hiperparametre ayarını kolaylaştırmaktır.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

yardstick

yardstick

yardstick, düzenli veri prensiplerini kullanarak modellerin ne kadar iyi çalıştığını tahmin eden bir pakettir. Bu paket ile yapılacakları maddeler halinde sıralayalım:

  • İki sınıflı ölçüm
  • Çok sınıflı ölçüm
  • Yeniden örneklemelerdeki ölçümleri hesaplama
  • Basit görselleştirmeler için otomatik grafik oluşturma fonksiyonlarını içerme

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

broom

broom

broom modeller hakkında önemli bilgileri özetler. broom model nesneleriyle etkileşimi kolaylaştırmak için üç özellik sağlar:

  • tidy(), model bileşenleri hakkındaki bilgileri özetler.
  • glance(), tüm model hakkındaki bilgileri raporlar.
  • augment(), bir veri setine gözlemler hakkında bilgi ekler.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

dials

dials

Bu paket, ayarlanan parametrelerin değerlerini oluşturmak ve yönetmek için araçlar içerir ve parsnip paketi ile iyi entegre olacak şekilde tasarlanmıştır.

R’da bu paketi yüklemek için;

komutunu kullanabilirsiniz.

tidymodels hakkında detaylı bilgilere ve açıklamalı örneklere https://www.tidymodels.org/ web sitesinden ulaşabilirsiniz.

Burak Dilber

Diğer yazılarıma ulaşmak için tıklayınız.

Data Science Earth

Data Science Earth ekibi, üst düzey Veri Bilim çözümleri üretmek amacı ile toplanmış akademisyenler ve uzmanlardan oluşmaktadır. Öncelikli olarak veri bilincini geliştirmeyi ve küreselleşen rekabet ortamında verinin gücünün doğru kullanılmasını sağlamayı amaçlamaktadır.

Sponsor

QuestionPro 35 farklı soru seçim özelliği ile anket çalışmalarımıza güç katmaktadır.