Skip to main content

tidymodels/skills

SkillsMP ha recopilado 6 skills de tidymodels/skills. Abre una skill para revisar su origen y sus detalles.

Última actividad de origen registrada
Catálogo de SkillsMP actualizado
skills recopiladas
6
Estrellas en GitHub
9
Forks en GitHub
1

Skills en este repositorio

2 categorías ocupacionales · 100% clasificado

Mostrando 6 de 6 skills recopiladas.

ocupación
Desarrolladores de software
descripción

Guide for creating new dials parameters for hyperparameter tuning. Use when a developer needs to define custom tuning parameters for models, recipes, or workflows, including quantitative parameters (continuous/integer), qualitative parameters (categorical),…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Create entirely new model specifications for the parsnip package. Use when creating a fundamentally new model type (like linear_reg, boost_tree) with its constructors, registration, and engine implementations. For adding engines to existing models, use…

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Create a new preprocessing step for the recipes package following tidymodels conventions

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Add new computational engines to existing parsnip models. Use when connecting an existing parsnip model (linear_reg, boost_tree, etc.) to a new computational backend or R package.

Idioma del texto original: inglés

actualizado
ocupación
Desarrolladores de software
descripción

Guide for creating new yardstick metrics. Use when a developer needs to extend yardstick with a custom performance metric, including numeric, class, probability, ordered probability, survival (static, dynamic, integrated, linear predictor), and quantile…

Idioma del texto original: inglés

actualizado
ocupación
Científicos de datos
descripción

Build machine learning models using tidymodels for tabular data using proper data spending, resampling, and validation practices. Covers train/test splitting, cross-validation, feature engineering, model tuning, and evaluation. Use when building predictive…

Idioma del texto original: inglés

actualizado
Mostrando 6 de 6 skills recopiladas.