R语言机器学习迷你课程
在这个迷你课程中，你将发现如何开始，构建精确的模型，并自信地完成在14天内使用R预测建模机器学习项目。
这是一个重要而重要的文章。你可能想把它书签。
了解如何准备数据，拟合机器学习模型，并用我的新书评估他们在r上的预测，包括14步教程、3个项目和完整源代码。
我们开始吧。
谁需要这个迷你课程？
在我们开始之前，让我们确保你处在正确的位置。下面的清单提供了一些关于谁设计的课程的一般指导方针。
如果你不完全匹配这些点，不要惊慌，你可能只是需要在某个区域或者其他地方刷一下才能跟上。
- 知道如何编写小代码的开发人员。这意味着一旦你知道基本语法，就可以选择一个像R这样的新编程语言并不是件大事。
- 了解一点机器学习的开发人员。这意味着你可以了解机器学习的基本知识，比如交叉验证、一些算法和偏差-方差折衷。这并不意味着你是一名机器学习博士，只是你知道路标或者知道去哪里找他们。
这个迷你课程既不是一本教科书，也不是机器学习的教科书。
这将是一个开发人员从另一个开发人员那里了解使用R语言的知识。R是机器学习最强大和最流行的平台。
迷你课程概览(预期的)
这个迷你课程被分成14门课，我称之为“天”。
你可以每天完成一堂课(推荐)或者完成一天的所有课程(硬核！)。这真的取决于你所能拥有的时间和你的热情水平。
下面是14个课程，你可以开始学习，并且在r上学习机器学习：
- 第1天：下载并安装R。
- 第2天：用基本语法来学习R。
- 第3天：加载数据和标准机器学习数据集。
- 第4天：用描述性统计来理解数据。
- 第5天：用可视化来理解数据。
- 第6天：准备预先处理数据建模。
- 第7天：采用重采样方法进行算法评价。
- 第8天：算法评价度量。
- 第9天：现场检查算法。
- 第10天：模型比较和选择。
- 第11天：通过算法调整提高精确度。
- 第12天：通过集成预测提高精确度。
- 第13天：最后确定并保存你的模型。
- 第14天：helloworld端到端项目。
每堂课都可以花60秒或30分钟。慢慢来，以自己的速度完成课程。问问题，甚至在下面的评论中发表结果。
我确实在早期课上提供了更多帮助，因为我希望你能建立起一些自信和惰性。坚持住，不要放弃！
第1天：下载并安装R
在你可以访问平台之前，你无法开始在R上进行机器学习。
今天的课很简单，你必须下载并安装你的计算机上的R平台。
- 访问R主页并下载R用于操作系统(linux、osx或windows)。
- 在你的计算机上安装R。
- 通过键入“R”，从命令行开始第一次R。
如果你需要安装R，请结帐：
第2天：用基本语法来学习R
你需要能够读取和编写基本的R脚本。
作为开发人员，你可以快速地拾取新的编程语言。R是大小写敏感，使用散列(#)来评论注释，并使用箭头操作符(<-)赋值，而不是单个equals(=)赋值。 今天的任务是在R交互环境中练习r编程语言的基本语法。
- 使用箭头运算符(<-)中的语言中的实践赋值。
- 使用基本数据结构如向量、列表和数据帧进行实践。
- 练习使用流控制结构，如If-Then-Else还有循环。
- 练习调用函数、安装和加载软件包。
例如，下面是创建一个数字列表并计算平均值的示例。
numbers <- c(1, 2, 3, 4, 5, 6) mean(numbers)
如果你需要使用基本R语法的帮助，请参阅以下文章：
第3天：加载数据和标准机器学习数据集
机器学习算法需要数据。你可以从csv文件加载自己的数据，但是当你在R开始使用机器学习时，你应该在标准机器学习数据集上练习。
你今天的课的任务是让你轻松地加载数据到R，并找到和加载标准机器学习数据集。
带有R的数据集包包含许多标准数据集，其中包括著名的虹膜花卉数据集。在包还包含人的标准机器学习数据集。
- 使用在read.csv函数将csv文件加载到R中。
- 实践加载标准机器学习数据集，从数据集和mlbench包。
帮助：你可以通过键入?函数名或调用help()函数来获取函数的帮助，并作为参数传递需要帮助的函数名。
为了使你开始运行，下面的代码段将安装并加载在包，列出它提供的所有数据集，并将在数据集附加到环境中供你使用。
install.packages("mlbench")
library(mlbench)
data(package="mlbench")
data(PimaIndiansDiabetes)
head(PimaIndiansDiabetes)
第4天：用描述性统计来理解数据
一旦你将数据加载到r中，你就需要能够理解它。
你能更好地理解你的数据，你可以建立更好更精确的模型。理解数据的第一步是使用描述性统计信息。
今天，你的课是学习如何使用描述性统计来理解你的数据。
- 使用head()函数了解你的数据，以查看前几行。
- 使用dim()函数来检查数据的维度。
- 使用summary()函数来检查数据的分布情况。
- 使用cor() 函数计算变量之间的对相关性。
下面的示例加载了虹膜数据集，并总结了每个属性的分布。
data(iris) summary(iris)
第5天：用可视化理解数据
继续从昨天的课上继续学习，你必须花时间更好地理解你的数据。
第二种提高你对数据理解的方法是使用数据可视化技术(如绘图)。
今天，你的课就是学习如何使用绘图来理解属性和它们之间的交互。
- 使用hist()函数创建每个属性的直方图。
- 使用boxplot())函数创建每个属性的框和晶须块。
- 使用pairs()函数创建所有属性的一对智能子函数。
例如，下面的代码片段将加载在数据集并创建数据集的一个scatterplot矩阵。
data(iris) pairs(iris)
第6天：准备预先处理数据建模
你的原始数据可能无法设置为建模最佳形状。
有时你需要预先处理数据，以便最好地将你数据中问题的内在结构呈现给建模算法。在今天的课中，你将使用插入符号包提供的预处理功能。
插入包提供了preprocess()函数，该函数使用方法参数来指示要执行的预处理类型。一旦从数据集中准备好预处理参数，那么可以将相同的预处理步骤应用到你可能拥有的每个数据集中。
请记住，你可以安装并加载插入符号包如下：
install.packages("caret")
library(caret)
- 使用标度和中心选项规范数值数据(如0和标准差1)。
- 使用范围选项规范数值数据(例如，范围为0到1)。
- 探索更先进的功率转换，如box-cox功率变换与非参数选择。
例如，下面的代码片段加载了虹膜数据集，计算规范化数据所需的参数，然后创建数据的规范化副本。
# load caret package
library(caret)
# load the dataset
data(iris)
# calculate the pre-process parameters from the dataset
preprocessParams <- preProcess(iris[,1:4], method=c("range"))
# transform the dataset using the pre-processing parameters
transformed <- predict(preprocessParams, iris[,1:4])
# summarize the transformed dataset
summary(transformed)
