3.9 KiB
머신 러닝을 위한 회귀 모델
지역 주제: 북미의 호박 가격을 위한 회귀 모델 🎃
북미에서는 호박을 할로윈 때 무서운 얼굴로 조각하는 경우가 많습니다. 이 매력적인 채소에 대해 더 알아봅시다!
사진 출처: Beth Teutschmann on Unsplash
학습 내용
🎥 위 이미지를 클릭하면 이 강의의 간단한 소개 영상을 볼 수 있습니다
이 섹션의 강의는 머신 러닝의 맥락에서 회귀의 유형을 다룹니다. 회귀 모델은 변수 간의 _관계_를 결정하는 데 도움을 줄 수 있습니다. 이 유형의 모델은 길이, 온도, 나이와 같은 값을 예측할 수 있으며, 데이터 포인트를 분석하면서 변수 간의 관계를 밝혀냅니다.
이 시리즈의 강의에서는 선형 회귀와 로지스틱 회귀의 차이점과 어느 상황에서 어느 것을 선호해야 하는지 알아볼 것입니다.
🎥 위 이미지를 클릭하면 회귀 모델을 소개하는 짧은 영상을 볼 수 있습니다.
이 강의 그룹에서는 머신 러닝 작업을 시작하기 위한 설정 방법, 특히 데이터 과학자들이 주로 사용하는 노트북을 관리하기 위한 Visual Studio Code 설정 방법을 배웁니다. Scikit-learn이라는 머신 러닝 라이브러리를 발견하고, 이 장에서는 회귀 모델에 초점을 맞춘 첫 번째 모델을 구축할 것입니다.
회귀 모델 작업을 배우는 데 도움이 되는 유용한 로우코드 도구들이 있습니다. Azure ML을 사용해 보세요
강의 목록
크레딧
"회귀를 이용한 머신 러닝"은 Jen Looper가 ♥️를 담아 작성했습니다.
♥️ 퀴즈 기여자들: Muhammad Sakib Khan Inan 및 Ornella Altunyan
호박 데이터셋은 Kaggle의 이 프로젝트에서 제안되었으며, 데이터는 미국 농무부에서 배포한 특수 작물 터미널 시장 표준 보고서에서 가져왔습니다. 우리는 분포를 정규화하기 위해 품종에 따라 색상에 대한 몇 가지 포인트를 추가했습니다. 이 데이터는 공공 도메인에 있습니다.
면책 조항: 이 문서는 기계 기반 AI 번역 서비스를 사용하여 번역되었습니다. 우리는 정확성을 위해 노력하지만, 자동 번역에는 오류나 부정확성이 포함될 수 있음을 유의하시기 바랍니다. 원본 문서의 원어를 권위 있는 출처로 간주해야 합니다. 중요한 정보에 대해서는 전문적인 인간 번역을 권장합니다. 이 번역의 사용으로 인해 발생하는 오해나 오역에 대해 당사는 책임을 지지 않습니다.