Félicitations !

Modélisation avec tidymodels en R

David Svancer

Data Scientist

L'écosystème tidymodels

Modélisation de régression

Spécifier des modèles avec parsnip

 

Entraîner et évaluer des modèles de régression linéaire

Modélisation de classification

Régression logistique avec logistic_reg()

 

Évaluer la classification avec matrices de confusion et courbes ROC

Ingénierie des caractéristiques

Ajuster finement les modèles par validation croisée

Profils de performance avec validation croisée et fit_resamples()

 

• Réglage d'hyperparamètres par recherche en grille
• Finaliser les enchaînements de modèles

 

cost_complexity	tree_depth	min_n
0.001	20	35
0.001	20	15
0.001	35	35
0.001	35	15
0.2	20	35
...	...	...

Merci !

Modélisation avec tidymodels en R