|
7 months ago | |
---|---|---|
.. | ||
1-Tools | 7 months ago | |
2-Data | 7 months ago | |
3-Linear | 7 months ago | |
4-Logistic | 7 months ago | |
README.md | 7 months ago |
README.md
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 apprendrez
🎥 Cliquez sur l'image ci-dessus pour une vidéo d'introduction rapide à cette leçon
Les leçons de cette section portent sur les types de régression dans le contexte de l'apprentissage automatique. Les modèles de régression peuvent aider à déterminer la relation entre des variables. Ce type de modèle peut prédire des valeurs telles que la longueur, la température ou l'âge, révélant ainsi des relations entre les variables tout en analysant les points de données.
Dans cette série de leçons, vous découvrirez les différences entre la régression linéaire et logistique, et quand vous devriez préférer l'un à l'autre.
🎥 Cliquez sur l'image ci-dessus pour une courte vidéo présentant les modèles de régression.
Dans ce groupe de leçons, vous serez préparé à commencer des tâches d'apprentissage automatique, y compris la configuration de Visual Studio Code pour gérer les notebooks, l'environnement commun pour les scientifiques des données. 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 à faible code utiles qui peuvent vous aider à apprendre à travailler avec des modèles de régression. Essayez Azure ML pour cette tâche
Leçons
Crédits
"ML avec régression" a été écrit avec ♥️ par Jen Looper
♥️ Les contributeurs du quiz incluent : Muhammad Sakib Khan Inan et Ornella Altunyan
Le jeu de données sur les citrouilles est suggéré par ce projet sur Kaggle et ses données proviennent des Rapports Standards des Marchés de Cultures Spécialisées 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 de services de traduction automatisée par intelligence artificielle. Bien que nous nous efforçons d'assurer l'exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour des informations critiques, une traduction humaine professionnelle est recommandée. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction.