禁止商業或二改轉載，僅供自學使用，侵權必究，如需截取部分內容請后臺聯系作者!

介紹

本教程《基于 tidymodels 的 XGBoost 全流程實戰》旨在為初學者及有一定 R 編程基礎的中級用戶提供一套完整、系統、可執行的機器學習建模流程。所使用的數據集為 mlbench 包中著名的 PimaIndiansDiabetes，該數據集源自美國國家糖尿病研究所，包含了768名 Pima 印第安女性的8個醫學指標和其是否患有糖尿病的二分類標簽，常用于醫學領域的分類建模演示。

教程圍繞 R 語言中現代建模核心包 tidymodels 生態系統（包括 recipes、parsnip、workflows、tune、yardstick 等）展開，結合可解釋性分析工具（如 vip、shapviz、DALEX）以及可視化分析（如 GGally、plotly）構建了一個從數據清洗、EDA、建模調參到模型評估與解釋的完整閉環。

首先，在數據準備與探索（EDA）階段，使用 skimr 快速查看數據分布與缺失&