tidymodels是一组用于建模和机器学习的R语言包。无论你是新手还是拥有多年建模经验，这本实践用书将为数据分析师、业务分析师和数据科学家展示tidymodels框架如何为你的工作提供一致、灵活的方法。 RStudio的工程师Max Kuhn和Julia Silge展示了通过专注于一种被称为tidyverse的R方言来创建模型的方法。采用tidyverse原则的软件共享高层设计理念和低层语法及数据结构，因此学习生态系统的一部分有助于掌握下一部分。你会明白为什么tidymodels框架被人们广泛使用。 本书内容包括： 学习从头到尾构建模型所需的步骤； 理解如何流畅地使用不同的建模和特征工程方法； 研究如何避免建模的常见缺陷，比如过拟合； 学习为建模准备数据的实用方法； 调整模型以获得最佳性能； 使用良好的统计实践来比较、评估和选择模型。

前言
第一部分 简介
第1章 建模软件
1.1 建模软件基础
1.2 模型的类型
描述性模型
推断模型
预测模型
1.3 不同模型间的关系
1.4 术语说明
1.5 建模和数据分析的关系
1.6 本章小结
第2章 tidyVerse入门
2.1 tidyverse设计原则
人性化设计
使用现有数据结构
为管道和函数式编程设计
2.2 tidvverse语法示例
2.3 本章小结
第3章 R建模基础
3.1 一个例子
3.2 R中的公式有什么作用？
3.3 为什么整洁对建模很重要
3.4 结合base R和tidyverse
3.5 tidymodels包
3.6 本章小结
第二部分 建模基础
第4章 埃姆斯市房价数据
4.1 探索数据特征
4.2 本章小结
第5章 数据分配
5.1 基本的数据划分方法
5.2 验证集是什么？
5.3 多水平数据
5.4 数据分配的其他注意
5.5 本章小结
第6章 用parsnip创建模型
6.1 创建模型
6.2 使用模型结果
6.3 进行预测
6.4 parsnip扩展包
6.5 创建模型设定的工具
6.6 本章小结
……
第三部分 创建高质量模型
第四部分 其他高级方法
附录 推荐的预处理步骤
参考文献