parent
d553016ce0
commit
37bc5cac5c
@ -0,0 +1,33 @@
|
|||||||
|
# Model regresi untuk *machine learning*
|
||||||
|
## Topik regional: Model regresi untuk harga labu di Amerika Utara 🎃
|
||||||
|
|
||||||
|
Di Amerika Utara, labu seringkali diukir menjadi muka-muka seram untuk Halloween. Mari mencari tahu lebih banyak tentang sayur menarik ini!
|
||||||
|
|
||||||
|
![jack-o-lantern](./images/jack-o-lanterns.jpg)
|
||||||
|
> Foto oleh <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> di <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
||||||
|
|
||||||
|
## Apa yang kamu akan pelajari
|
||||||
|
|
||||||
|
Pelajaran-pelajaran dalam seksi ini mencakupi jenis-jenis regresi dalam konteks *machine learning*. Model regresi dapat membantu menentukan _hubungan_ antara variabel-variabel. Model jenis ini dapat memprediksi nilai-nilai seperti panjang, temperatur, atau usia, sehingga mengemukakan hubungan-hubungan antara variabel dengan menganalisis poin-poin data.
|
||||||
|
|
||||||
|
Dalam seri pelajaran ini, kamu akan menemukan perbedaan antara regresi linear dan logistik, dan kapan untuk menggunakan satu atau yang lainnya.
|
||||||
|
|
||||||
|
Selain itu, kamu akan disiapkan untuk mulai mengerjakan tugas *machine learning*, termasuk mengkonfigurasi Visual Studio Code untuk mengelola *notebook*, lingkungan wajar untuk *data scientist*. Kamu akan menemukan Scikit-learn, sebuah *library* untuk *machine learning*, dan kamu akan membangun model pertamamu dengan memfokus pada model regresi dalam bab ini.
|
||||||
|
|
||||||
|
> Ada alat-alat *low-code* yang dapat membantumu belajar tentang bekerja dengan model regresi. Cobalah [Azure ML untuk tugas ini](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-15963-cxa).
|
||||||
|
|
||||||
|
### Pelajaran
|
||||||
|
|
||||||
|
1. [Alat-alat seorang *data scientist*](1-Tools/README.md)
|
||||||
|
2. [Mengelola data](2-Data/README.md)
|
||||||
|
3. [Regresi linear dan polinomial](3-Linear/README.md)
|
||||||
|
4. [Regresi logistik](4-Logistic/README.md)
|
||||||
|
|
||||||
|
---
|
||||||
|
### Kredit
|
||||||
|
|
||||||
|
"ML with regression" (ML dengan regresi) ditulis dari ♥️ oleh [Jen Looper](https://twitter.com/jenlooper)
|
||||||
|
|
||||||
|
♥️ Kontributor kuis termasuk: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) dan [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
||||||
|
|
||||||
|
*Dataset* labu disarankan [proyek ini di Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) dan datanya disumberkan dari [Specialty Crops Terminal Markets Standard Reports (Laporan Standar Pasar Terminal Tanaman Khusus)](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) yang didistribusikan Departemen Agrikultur Amerika Serikat. Kami telah menambahkan beberapa poin tentang warna berdasarkan jenis labu untuk menormalisasi distribusi data. Data ini terbuka untuk umum (*public domain*).
|
Loading…
Reference in new issue