Name: Tidy Modeling With r: A Framework for Modeling in the Tidyverse (en Inglés)
Price: 192.01 PEN
Availability: InStock
Author: Kuhn, Max ; Silge, Julia
ISBN: 9781492096481

portada Tidy Modeling With r: A Framework for Modeling in the Tidyverse (en Inglés)

Formato

Libro Físico

Autor

Julia Silge

Max Kuhn

Editorial

O'Reilly Media

Año

2022

Idioma

Inglés

N° páginas

300

Encuadernación

Tapa Blanda

Dimensiones

23.1 x 17.5 x 2.3 cm

Peso

0.59 kg.

ISBN13

9781492096481

N° edición

Categorías

Ciencia y análisis de datos
Probabilidad y estadística
Software de matemáticas y estadísticas
Análisis y captura de datos

Tidy Modeling With r: A Framework for Modeling in the Tidyverse (en Inglés)

Julia Silge (Autor) · Max Kuhn (Autor) · O'Reilly Media · Tapa Blanda

Libro Nuevo

S/ 192,01

S/ 384,01

Ahorras: S/ 192,01

50% descuento

Envío normal

Origen: Reino Unido (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 08 de Mayo y el Martes 21 de Mayo.

Lo recibirás en cualquier lugar de Perú entre 2 y 5 días hábiles luego del envío.

Reseña del libro "Tidy Modeling With r: A Framework for Modeling in the Tidyverse (en Inglés)"

Get going with tidymodels, a collection of R packages for modeling and machine learning. Whether you're just starting out or have years of experience with modeling, this practical introduction shows data analysts, business analysts, and data scientists how the tidymodels framework offers a consistent, flexible approach for your work. RStudio engineers Max Kuhn and Julia Silge demonstrate ways to create models by focusing on an R dialect called the tidyverse. Software that adopts tidyverse principles shares both a high-level design philosophy and low-level grammar and data structures, so learning one piece of the ecosystem makes it easier to learn the next. You'll understand why the tidymodels framework has been built to be used by a broad range of people. With this book, you will: Learn the steps necessary to build a model from beginning to end Understand how to use different modeling and feature engineering approaches fluently Examine the options for avoiding common pitfalls of modeling, such as overfitting Learn practical methods to prepare your data for modeling Tune models for optimal performance Use good statistical practices to compare, evaluate, and choose among models