मशीन लर्निंग की बुनियाद
R में मशीन लर्निंग की आवश्यक अवधारणाओं और फ़्रेमवर्क का परिचय प्राप्त करें।
मशीन लर्निंग की बुनियाद, CoddyKit पर R Academy का एक निःशुल्क पाठ है। यह 3 में से 3वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह R Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। R Academy पाठ्यक्रम में कुल 3 पाठ शामिल हैं।
R में मशीन लर्निंग का परिचय
मशीन लर्निंग कंप्यूटरों को डेटा से पैटर्न सीखने और पूर्वानुमान लगाने में सक्षम बनाती है। R में मशीन लर्निंग के लिए कई लाइब्रेरी उपलब्ध हैं, जिनमें caret और randomForest शामिल हैं।
Caret पैकेज लोड करना
caret पैकेज R में मशीन लर्निंग कार्यप्रवाहों को सरल बनाता है।
library(caret)
data(iris)डेटा को प्रशिक्षण और परीक्षण सेट में विभाजित करना
डेटा को विभाजित करने से प्रशिक्षण और परीक्षण अलग-अलग करके मॉडल का उचित मूल्यांकन सुनिश्चित होता है।
set.seed(123)
trainIndex <- createDataPartition(iris$Species, p=0.8, list=FALSE)
trainData <- iris[trainIndex,]
testData <- iris[-trainIndex,]निर्णय वृक्ष मॉडल बनाना
निर्णय वृक्ष निर्णय बिंदुओं पर विशेषताओं को विभाजित करके डेटा का वर्गीकरण करते हैं।
library(rpart)
model <- rpart(Species ~ ., data=trainData)
plot(model)
text(model)रैंडम फ़ॉरेस्ट मॉडल को प्रशिक्षित करना
रैंडम फ़ॉरेस्ट कई मॉडलों को मिलाकर निर्णय वृक्षों के प्रदर्शन में सुधार करते हैं।
library(randomForest)
rf_model <- randomForest(Species ~ ., data=trainData)
print(rf_model)पूर्वानुमान लगाना
नए डेटा पर पूर्वानुमान लगाने के लिए predict() का उपयोग करें।
predictions <- predict(rf_model, newdata=testData)मॉडल की सटीकता का मूल्यांकन
सटीकता यह मापती है कि मॉडल परीक्षण डेटा पर कितना अच्छा प्रदर्शन करता है।
confusionMatrix(predictions, testData$Species)हाइपरपैरामीटर का समायोजन
बेहतर प्रदर्शन के लिए मॉडल के पैरामीटरों को अनुकूलित करने हेतु train() का उपयोग करें।
tuned_model <- train(Species ~ ., data=trainData, method='rf', tuneLength=3)सारांश
इस पाठ में आपने सीखा:
- डेटा को प्रशिक्षण और परीक्षण सेटों में कैसे विभाजित करना है।
- निर्णय वृक्ष और रैंडम फ़ॉरेस्ट मॉडल कैसे बनाने हैं।
- मॉडल के प्रदर्शन का मूल्यांकन और हाइपरपैरामीटर का समायोजन कैसे करना है।
एआई शिक्षक के साथ R सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 43
- पाठ
- 159
अक्सर पूछे जाने वाले प्रश्न
क्या “मशीन लर्निंग की बुनियाद” पाठ निःशुल्क है?
हाँ — R Academy अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “मशीन लर्निंग की बुनियाद” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। R Academy पाठ्यक्रम में कुल 3 पाठ शामिल हैं।
“मशीन लर्निंग की बुनियाद” में मैं क्या सीखूँगा?
R में मशीन लर्निंग की आवश्यक अवधारणाओं और फ़्रेमवर्क का परिचय प्राप्त करें। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ R Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या R Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर R Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 3 में से 3वाँ पाठ है।
“मशीन लर्निंग की बुनियाद” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस R Academy पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर R Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- रिग्रेशन मॉडल
- समय-श्रृंखला विश्लेषण
- मशीन लर्निंग की बुनियाद