Novo livro sobre aprendizado de máquina

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

[ad_1]

[Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Cientista Louco (Dados), e gentilmente contribuiu para R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)


Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.

Estou quase terminando de escrever meu novo livro, A Arte do Aprendizado de Máquina: Algoritmos + Dados + R, a ser publicado pela caprichada No Starch Press. Estou disponibilizando um rascunho parcial e parcial e recebo as correções, sugestões e comentários.

Estou pensando em fazer esse projeto há algum tempo, pretendendo escrever um livro que, por um lado, serviria como “aprendizado de máquina para as massas”, evitando ardentemente ser de natureza “livro de receitas”. Em outras palavras, o livro tem dois objetivos:

  • O conteúdo matemático é reduzido ao mínimo. Os leitores precisam apenas entender os gráficos de dispersão e afins, e conhecer o conceito da inclinação de uma linha. (Para leitores que desejam se aprofundar na matemática, um documento do Math Companion estará disponível.)
  • Há uma forte ênfase na construção de uma sólida compreensão intuitiva dos métodos, capacitando o leitor a realizar uma análise eficaz e penetrante de ML.

Enquanto escrevo no prefácio (“Ao leitor”),

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

“Os sucessos deslumbrantes de ML dos quais você já ouviu falar surgem apenas após cuidadosos e longos ajustes e considerações por parte do analista, exigindo uma percepção real. Este livro tem como objetivo desenvolver esse insight. ”

O idioma da instrução é R, usando pacotes CRAN padrão. Mas como eu também escrevo,

“… este é um livro sobre ML, não um livro sobre o uso de R em ML. É verdade que R desempenha um papel importante de apoio e usamos pacotes R proeminentes para ML ao longo do livro, com código em quase todas as páginas. Mas, para poder usar bem o ML, o leitor deve se concentrar na estrutura e interpretação dos próprios modelos de ML; R é apenas uma ferramenta para esse fim. ”

Leia Também  Reamostragem de bootstrap com dados de produção de cerveja #TidyTuesday[0][Esteartigofoipublicadopelaprimeiravezem[Thisarticlewasfirstpublishedon Rstats em Julia Silge, e gentilmente contribuiu para os R-blogueiros]. (Você pode relatar um problema sobre o conteúdo desta página aqui)Deseja compartilhar seu conteúdo com R-blogueiros? clique aqui se você tiver um blog ou aqui se não tiver.Venho publicando screencasts demonstrando como usar a estrutura tidymodels, desde as primeiras etapas da modelagem até como ajustar modelos mais complexos. Hoje, estou usando esta semana #TidyTuesday conjunto de dados na produção de cerveja para mostrar como usar a reamostragem de autoinicialização para estimar os parâmetros do modelo. Aqui está o código que usei no vídeo, para quem prefere ler em vez de ou além do vídeo.Explore os dadosNosso objetivo de modelagem aqui é estimar quanto açúcar produtores de cerveja usam em relação a malte de acordo com o conjunto de dados #TidyTuesday. Usaremos a reamostragem de autoinicialização para fazer isso! Primeiro, vamos analisar os dados sobre os materiais de fermentação.library(tidyverse)brewing_materials_raw % count(type, wt = month_current, sort = TRUE)## # A tibble: 12 x 2## type n## ## 1 Total Used 53559516695## 2 Total Grain products 44734903124## 3 Malt and malt products 32697313882## 4 Total Non-Grain products 8824613571## 5 Sugar and syrups 6653104081## 6 Rice and rice products 5685742541## 7 Corn and corn products 5207759409## 8 Hops (dry) 1138840132## 9 Other 998968470## 10 Barley and barley products 941444745## 11 Wheat and wheat products 202642547## 12 Hops (used as extracts) 33700888Como alguns materiais diferentes de fabricação de cerveja mudaram ao longo do tempo?brewing_filtered % filter( type %in% c( "Malt and malt products", "Sugar and syrups", "Hops (dry)" ), year % mutate( date = paste0(year, "-", month, "-01"), date = lubridate::ymd(date) )brewing_filtered %>% ggplot(aes(date, month_current, color = type)) + geom_point()Existem fortes padrões anuais nesses materiais. Queremos medir quanto os produtores de cerveja com açúcar usam em relação ao malte.brewing_materials % select(date, type, month_current) %>% pivot_wider( names_from = type, values_from = month_current ) %>% janitor::clean_names()brewing_materials## # A tibble: 94 x 4## date malt_and_malt_products sugar_and_syrups hops_dry## ## 1 2008-01-01 374165152 78358212 4506546## 2 2008-02-01 355687578 80188744 1815271## 3 2008-03-01 399855819 78907213 6067167## 4 2008-04-01 388639443 81199989 6864440## 5 2008-05-01 411307544 89946309 7470130## 6 2008-06-01 415161326 81012422 7361941## 7 2008-07-01 405393784 76728131 1759452## 8 2008-08-01 389391266 83928121 5992025## 9 2008-09-01 362587470 71982604 3788942## 10 2008-10-01 353803777 42828943 3788949## # … with 84 more rowsbrewing_materials %>% ggplot(aes(malt_and_malt_products, sugar_and_syrups)) + geom_smooth(method = "lm") + geom_point()Há muita variação nesse relacionamento, mas os reprodutores de cerveja usam mais açúcar quando usam mais malte. Qual é a relação?library(tidymodels)beer_fit |t|) ## malt_and_malt_products 0.205804 0.003446 59.72

Então, dê uma olhada e deixe-me saber o que você pensa!



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha o seu sabor: e-mail, twitter, RSS ou facebook …



[ad_2]

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br