# ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ## ਖੇਤਰੀ ਵਿਸ਼ਾ: ਉੱਤਰੀ ਅਮਰੀਕਾ ਵਿੱਚ ਕੱਦੂਆਂ ਦੀਆਂ ਕੀਮਤਾਂ ਲਈ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ 🎃 ਉੱਤਰੀ ਅਮਰੀਕਾ ਵਿੱਚ, ਕੱਦੂਆਂ ਨੂੰ ਅਕਸਰ ਹੈਲੋਵੀਨ ਲਈ ਡਰਾਉਣੇ ਚਿਹਰੇ ਬਣਾਉਣ ਲਈ ਕੱਟਿਆ ਜਾਂਦਾ ਹੈ। ਆਓ, ਇਨ੍ਹਾਂ ਦਿਲਚਸਪ ਸਬਜ਼ੀਆਂ ਬਾਰੇ ਹੋਰ ਜਾਣਕਾਰੀ ਲਵਾਂ!  > ਫੋਟੋ ਬੈਥ ਟਿਊਚਮੈਨ ਵੱਲੋਂ ਅਨਸਪਲੈਸ਼ 'ਤੇ ## ਤੁਸੀਂ ਕੀ ਸਿੱਖੋਗੇ [](https://youtu.be/5QnJtDad4iQ "ਰਿਗ੍ਰੈਸ਼ਨ ਪਰਿਚਯ ਵੀਡੀਓ - ਦੇਖਣ ਲਈ ਕਲਿੱਕ ਕਰੋ!") > 🎥 ਉਪਰੋਕਤ ਚਿੱਤਰ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਇਸ ਪਾਠ ਲਈ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਪਰਿਚਯ ਵੀਡੀਓ ਦੇਖਣ ਲਈ ਇਸ ਭਾਗ ਦੇ ਪਾਠ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਰਿਗ੍ਰੈਸ਼ਨ ਦੇ ਕਿਸਮਾਂ ਨੂੰ ਕਵਰ ਕਰਦੇ ਹਨ। ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲ ਵੱਖ-ਵੱਖ ਚਲਾਂ (variables) ਦੇ _ਸੰਬੰਧ_ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਕਿਸਮ ਦੇ ਮਾਡਲ ਲੰਬਾਈ, ਤਾਪਮਾਨ ਜਾਂ ਉਮਰ ਵਰਗੀਆਂ ਮੁੱਲਾਂ ਦੀ ਪੇਸ਼ਗੋਈ ਕਰ ਸਕਦੇ ਹਨ, ਇਸ ਤਰ੍ਹਾਂ ਡਾਟਾ ਪੌਇੰਟਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹੋਏ ਚਲਾਂ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧਾਂ ਨੂੰ ਬਾਹਰ ਲਿਆਉਂਦੇ ਹਨ। ਇਸ ਪਾਠਮਾਲਾ ਵਿੱਚ, ਤੁਸੀਂ ਲੀਨੀਅਰ ਅਤੇ ਲੌਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਅਤੇ ਕਦੋਂ ਇੱਕ ਨੂੰ ਦੂਜੇ ਉੱਤੇ ਤਰਜੀਹ ਦੇਣੀ ਚਾਹੀਦੀ ਹੈ, ਇਹ ਸਿੱਖੋਗੇ। [](https://youtu.be/XA3OaoW86R8 "ਬੇਸਿਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦਾ ਪਰਿਚਯ") > 🎥 ਉਪਰੋਕਤ ਚਿੱਤਰ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਦਾ ਪਰਿਚਯ ਦੇਖਣ ਲਈ। ਇਸ ਪਾਠਮਾਲਾ ਵਿੱਚ, ਤੁਸੀਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਟਾਸਕਾਂ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰਨ ਲਈ ਸੈਟਅੱਪ ਕਰੋਗੇ, ਜਿਸ ਵਿੱਚ ਨੋਟਬੁੱਕਸ ਨੂੰ ਮੈਨੇਜ ਕਰਨ ਲਈ Visual Studio Code ਨੂੰ ਕਨਫਿਗਰ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਕਿ ਡਾਟਾ ਸਾਇੰਟਿਸਟਾਂ ਲਈ ਆਮ ਵਾਤਾਵਰਣ ਹੈ। ਤੁਸੀਂ Scikit-learn ਬਾਰੇ ਪਤਾ ਲਗਾਓਗੇ, ਜੋ ਕਿ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਹੈ, ਅਤੇ ਤੁਸੀਂ ਆਪਣੇ ਪਹਿਲੇ ਮਾਡਲ ਬਣਾਉਣਗੇ, ਇਸ ਅਧਿਆਇ ਵਿੱਚ ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹੋਏ। > ਰਿਗ੍ਰੈਸ਼ਨ ਮਾਡਲਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਬਾਰੇ ਸਿੱਖਣ ਲਈ ਕੁਝ ਲੋ-ਕੋਡ ਟੂਲ ਬਹੁਤ ਹੀ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਕੰਮ ਲਈ [Azure ML ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) ### ਪਾਠ 1. [ਕੰਮ ਦੇ ਸਾਧਨ](1-Tools/README.md) 2. [ਡਾਟਾ ਦਾ ਪ੍ਰਬੰਧਨ](2-Data/README.md) 3. [ਲੀਨੀਅਰ ਅਤੇ ਪੋਲੀਨੋਮਿਅਲ ਰਿਗ੍ਰੈਸ਼ਨ](3-Linear/README.md) 4. [ਲੌਜਿਸਟਿਕ ਰਿਗ੍ਰੈਸ਼ਨ](4-Logistic/README.md) --- ### ਸ਼੍ਰੇਯ "ਰਿਗ੍ਰੈਸ਼ਨ ਨਾਲ ਮਸ਼ੀਨ ਲਰਨਿੰਗ" ਨੂੰ ♥️ ਨਾਲ [ਜੈਨ ਲੂਪਰ](https://twitter.com/jenlooper) ਵੱਲੋਂ ਲਿਖਿਆ ਗਿਆ ਹੈ। ♥️ ਕਵਿਜ਼ ਯੋਗਦਾਨਕਰਤਿਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ: [ਮੁਹੰਮਦ ਸਾਕਿਬ ਖਾਨ ਇਨਾਨ](https://twitter.com/Sakibinan) ਅਤੇ [ਓਰਨੇਲਾ ਅਲਟੂਨਯਾਨ](https://twitter.com/ornelladotcom) ਕੱਦੂਆਂ ਦਾ ਡਾਟਾਸੈੱਟ [ਇਸ Kaggle ਪ੍ਰੋਜੈਕਟ](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) ਵੱਲੋਂ ਸੁਝਾਇਆ ਗਿਆ ਹੈ ਅਤੇ ਇਸ ਦਾ ਡਾਟਾ [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਸੰਯੁਕਤ ਰਾਜ ਦੇ ਖੇਤੀਬਾੜੀ ਵਿਭਾਗ ਵੱਲੋਂ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ। ਅਸੀਂ ਵੈਰਾਇਟੀ ਦੇ ਅਧਾਰ 'ਤੇ ਰੰਗ ਦੇ ਕੁਝ ਪੌਇੰਟ ਸ਼ਾਮਲ ਕੀਤੇ ਹਨ ਤਾਂ ਜੋ ਵੰਡ ਨੂੰ ਨਾਰਮਲ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਡਾਟਾ ਪਬਲਿਕ ਡੋਮੇਨ ਵਿੱਚ ਹੈ। --- **ਅਸਵੀਕਰਤੀ**: ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ [Co-op Translator](https://github.com/Azure/co-op-translator) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਸਹੀਅਤ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼, ਜੋ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੈ, ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।