# Model regresi untuk pembelajaran mesin ## Topik regional: Model regresi untuk harga labu di Amerika Utara 🎃 Di Amerika Utara, labu sering diukir menjadi wajah menyeramkan untuk Halloween. Mari kita pelajari lebih lanjut tentang sayuran yang menarik ini! ![jack-o-lanterns](../../../2-Regression/images/jack-o-lanterns.jpg) > Foto oleh Beth Teutschmann di Unsplash ## Apa yang akan Anda pelajari [![Pengantar Regresi](https://img.youtube.com/vi/5QnJtDad4iQ/0.jpg)](https://youtu.be/5QnJtDad4iQ "Video pengantar regresi - Klik untuk menonton!") > 🎥 Klik gambar di atas untuk video pengantar singkat tentang pelajaran ini Pelajaran dalam bagian ini mencakup jenis regresi dalam konteks pembelajaran mesin. Model regresi dapat membantu menentukan _hubungan_ antara variabel. Jenis model ini dapat memprediksi nilai seperti panjang, suhu, atau usia, sehingga mengungkapkan hubungan antara variabel saat menganalisis titik data. Dalam rangkaian pelajaran ini, Anda akan mempelajari perbedaan antara regresi linear dan regresi logistik, serta kapan Anda sebaiknya memilih salah satu di antaranya. [![ML untuk pemula - Pengantar model regresi untuk pembelajaran mesin](https://img.youtube.com/vi/XA3OaoW86R8/0.jpg)](https://youtu.be/XA3OaoW86R8 "ML untuk pemula - Pengantar model regresi untuk pembelajaran mesin") > 🎥 Klik gambar di atas untuk video singkat yang memperkenalkan model regresi. Dalam kelompok pelajaran ini, Anda akan mempersiapkan diri untuk memulai tugas pembelajaran mesin, termasuk mengonfigurasi Visual Studio Code untuk mengelola notebook, lingkungan umum bagi ilmuwan data. Anda akan mengenal Scikit-learn, sebuah pustaka untuk pembelajaran mesin, dan Anda akan membangun model pertama Anda, dengan fokus pada model regresi dalam bab ini. > Ada alat low-code yang berguna yang dapat membantu Anda mempelajari cara bekerja dengan model regresi. Coba [Azure ML untuk tugas ini](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) ### Pelajaran 1. [Alat yang digunakan](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 dengan regresi" ditulis dengan ♥️ 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 oleh [proyek ini di Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) dan datanya bersumber dari [Laporan Standar Pasar Terminal Tanaman Khusus](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) yang didistribusikan oleh Departemen Pertanian Amerika Serikat. Kami telah menambahkan beberapa poin terkait warna berdasarkan varietas untuk menormalkan distribusi. Data ini berada dalam domain publik. --- **Penafian**: Dokumen ini telah diterjemahkan menggunakan layanan penerjemahan AI [Co-op Translator](https://github.com/Azure/co-op-translator). Meskipun kami berusaha untuk memberikan hasil yang akurat, harap diketahui bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang otoritatif. Untuk informasi yang bersifat kritis, disarankan menggunakan jasa penerjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau penafsiran yang keliru yang timbul dari penggunaan terjemahan ini.