# Mga Modelong Regression para sa Machine Learning ## Paksang Rehiyonal: Mga Modelong Regression para sa Presyo ng Kalabasa sa Hilagang Amerika 🎃 Sa Hilagang Amerika, madalas na inukit ang mga kalabasa upang maging nakakatakot na mukha para sa Halloween. Tuklasin natin ang higit pa tungkol sa mga kamangha-manghang gulay na ito!  > Larawan ni Beth Teutschmann sa Unsplash ## Ano ang Matututunan Mo [](https://youtu.be/5QnJtDad4iQ "Regression Introduction video - Click to Watch!") > 🎥 I-click ang imahe sa itaas para sa isang maikling video na nagpapakilala sa araling ito Ang mga aralin sa seksyong ito ay tumatalakay sa iba't ibang uri ng regression sa konteksto ng machine learning. Ang mga modelong regression ay makakatulong upang matukoy ang _ugnayan_ sa pagitan ng mga variable. Ang ganitong uri ng modelo ay maaaring magpredikta ng mga halaga tulad ng haba, temperatura, o edad, kaya't natutuklasan ang mga ugnayan sa pagitan ng mga variable habang sinusuri ang mga data point. Sa serye ng mga araling ito, matutuklasan mo ang mga pagkakaiba sa pagitan ng linear at logistic regression, at kung kailan mas angkop gamitin ang isa kaysa sa isa pa. [](https://youtu.be/XA3OaoW86R8 "ML for beginners - Introduction to Regression models for Machine Learning") > 🎥 I-click ang imahe sa itaas para sa isang maikling video na nagpapakilala sa mga modelong regression. Sa pangkat ng mga araling ito, ikaw ay maghahanda upang simulan ang mga gawain sa machine learning, kabilang ang pag-configure ng Visual Studio Code upang pamahalaan ang mga notebook, ang karaniwang kapaligiran para sa mga data scientist. Matutuklasan mo ang Scikit-learn, isang library para sa machine learning, at gagawa ka ng iyong unang mga modelo, na nakatuon sa mga modelong Regression sa kabanatang ito. > May mga kapaki-pakinabang na low-code tools na makakatulong sa iyo upang matutunan ang paggamit ng mga modelong regression. Subukan ang [Azure ML para sa gawaing ito](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) ### Mga Aralin 1. [Mga Kagamitan sa Trabaho](1-Tools/README.md) 2. [Pamamahala ng Data](2-Data/README.md) 3. [Linear at Polynomial Regression](3-Linear/README.md) 4. [Logistic Regression](4-Logistic/README.md) --- ### Mga Kredito "ML with regression" ay isinulat nang may ♥️ ni [Jen Looper](https://twitter.com/jenlooper) ♥️ Ang mga nag-ambag sa pagsusulit ay kinabibilangan nina: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) at [Ornella Altunyan](https://twitter.com/ornelladotcom) Ang dataset ng kalabasa ay iminungkahi ng [proyektong ito sa Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) at ang data nito ay nagmula sa [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) na ipinamamahagi ng Kagawaran ng Agrikultura ng Estados Unidos. Nagdagdag kami ng ilang puntos tungkol sa kulay batay sa uri upang gawing normal ang distribusyon. Ang data na ito ay nasa pampublikong domain. --- **Paunawa**: Ang dokumentong ito ay isinalin gamit ang AI translation service na [Co-op Translator](https://github.com/Azure/co-op-translator). Bagama't sinisikap naming maging tumpak, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa orihinal nitong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.