4.0 KiB
Regressionsmodelle für maschinelles Lernen
Regionales Thema: Regressionsmodelle für Kürbispreise in Nordamerika 🎃
In Nordamerika werden Kürbisse oft für Halloween in gruselige Gesichter geschnitzt. Lass uns mehr über diese faszinierenden Gemüse entdecken!
Foto von Beth Teutschmann auf Unsplash
Was du lernen wirst
🎥 Klicke auf das Bild oben für ein kurzes Einführungsvideo zu dieser Lektion
Die Lektionen in diesem Abschnitt behandeln die Arten der Regression im Kontext des maschinellen Lernens. Regressionsmodelle können helfen, die Beziehung zwischen Variablen zu bestimmen. Diese Art von Modell kann Werte wie Länge, Temperatur oder Alter vorhersagen und somit Beziehungen zwischen Variablen aufdecken, während es Datenpunkte analysiert.
In dieser Reihe von Lektionen wirst du die Unterschiede zwischen linearer und logistischer Regression entdecken und erfahren, wann du das eine dem anderen vorziehen solltest.
🎥 Klicke auf das Bild oben für ein kurzes Video, das Regressionsmodelle einführt.
In dieser Gruppe von Lektionen wirst du eingerichtet, um mit Aufgaben des maschinellen Lernens zu beginnen, einschließlich der Konfiguration von Visual Studio Code zur Verwaltung von Notebooks, der gängigen Umgebung für Datenwissenschaftler. Du wirst Scikit-learn entdecken, eine Bibliothek für maschinelles Lernen, und du wirst deine ersten Modelle erstellen, wobei der Fokus in diesem Kapitel auf Regressionsmodellen liegt.
Es gibt nützliche Low-Code-Tools, die dir helfen können, mehr über die Arbeit mit Regressionsmodellen zu lernen. Probiere Azure ML für diese Aufgabe
Lektionen
Danksagungen
"ML mit Regression" wurde mit ♥️ von Jen Looper geschrieben.
♥️ Quizbeiträge stammen von: Muhammad Sakib Khan Inan und Ornella Altunyan
Der Kürbis-Datensatz wird von diesem Projekt auf Kaggle vorgeschlagen und seine Daten stammen aus den Standardberichten der Specialty Crops Terminal Markets, die vom United States Department of Agriculture verteilt werden. Wir haben einige Punkte zur Farbe basierend auf der Sorte hinzugefügt, um die Verteilung zu normalisieren. Diese Daten sind gemeinfrei.
Haftungsausschluss:
Dieses Dokument wurde mithilfe von KI-gestützten maschinellen Übersetzungsdiensten übersetzt. Obwohl wir uns um Genauigkeit bemühen, beachten Sie bitte, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als autoritative Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Verwendung dieser Übersetzung entstehen.