# Modèles de régression pour l'apprentissage automatique ## Sujet régional : Modèles de régression pour les prix des citrouilles en Amérique du Nord 🎃 En Amérique du Nord, les citrouilles sont souvent sculptées en visages effrayants pour Halloween. Découvrons-en davantage sur ces légumes fascinants !  > Photo par Beth Teutschmann sur Unsplash ## Ce que vous allez apprendre [](https://youtu.be/5QnJtDad4iQ "Vidéo d'introduction à la régression - Cliquez pour regarder !") > 🎥 Cliquez sur l'image ci-dessus pour une vidéo d'introduction rapide à cette leçon Les leçons de cette section couvrent les types de régression dans le contexte de l'apprentissage automatique. Les modèles de régression peuvent aider à déterminer la _relation_ entre les variables. Ce type de modèle peut prédire des valeurs telles que la longueur, la température ou l'âge, révélant ainsi les relations entre les variables en analysant les points de données. Dans cette série de leçons, vous découvrirez les différences entre la régression linéaire et la régression logistique, ainsi que les situations où l'une est préférable à l'autre. [](https://youtu.be/XA3OaoW86R8 "ML pour débutants - Introduction aux modèles de régression pour l'apprentissage automatique") > 🎥 Cliquez sur l'image ci-dessus pour une courte vidéo présentant les modèles de régression. Dans ce groupe de leçons, vous apprendrez à vous préparer pour les tâches d'apprentissage automatique, notamment en configurant Visual Studio Code pour gérer les notebooks, l'environnement commun des data scientists. Vous découvrirez Scikit-learn, une bibliothèque pour l'apprentissage automatique, et vous construirez vos premiers modèles, en vous concentrant sur les modèles de régression dans ce chapitre. > Il existe des outils low-code utiles qui peuvent vous aider à apprendre à travailler avec des modèles de régression. Essayez [Azure ML pour cette tâche](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) ### Leçons 1. [Outils de travail](1-Tools/README.md) 2. [Gestion des données](2-Data/README.md) 3. [Régression linéaire et polynomiale](3-Linear/README.md) 4. [Régression logistique](4-Logistic/README.md) --- ### Crédits "ML avec régression" a été écrit avec ♥️ par [Jen Looper](https://twitter.com/jenlooper) ♥️ Les contributeurs aux quiz incluent : [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) et [Ornella Altunyan](https://twitter.com/ornelladotcom) Le jeu de données sur les citrouilles est suggéré par [ce projet sur Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) et ses données proviennent des [Rapports standards des marchés terminaux des cultures spécialisées](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) distribués par le Département de l'Agriculture des États-Unis. Nous avons ajouté quelques points autour de la couleur en fonction de la variété pour normaliser la distribution. Ces données sont dans le domaine public. --- **Avertissement** : Ce document a été traduit à l'aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction.