|
8 months ago | |
---|---|---|
.. | ||
1-Tools | 8 months ago | |
2-Data | 8 months ago | |
3-Linear | 8 months ago | |
4-Logistic | 8 months ago | |
README.md | 8 months ago |
README.md
Model Regresi untuk Pembelajaran Mesin
Topik Regional: Model Regresi untuk Harga Labu di Amerika Utara 🎃
Di Amerika Utara, labu sering diukir menjadi wajah menakutkan untuk Halloween. Mari kita temukan lebih banyak tentang sayuran yang menarik ini!
Foto oleh Beth Teutschmann di Unsplash
Apa yang Akan Anda Pelajari
🎥 Klik gambar di atas untuk video pengenalan singkat tentang pelajaran ini
Pelajaran dalam bagian ini mencakup jenis-jenis regresi dalam konteks pembelajaran mesin. Model regresi dapat membantu menentukan hubungan antara variabel. Jenis model ini dapat memprediksi nilai seperti panjang, suhu, atau usia, sehingga mengungkapkan hubungan antara variabel saat menganalisis titik data.
Dalam serangkaian pelajaran ini, Anda akan menemukan perbedaan antara regresi linear dan logistik, dan kapan Anda harus memilih salah satu di atas yang lain.
🎥 Klik gambar di atas untuk video pendek yang memperkenalkan model regresi.
Dalam kelompok pelajaran ini, Anda akan disiapkan untuk memulai tugas pembelajaran mesin, termasuk mengkonfigurasi Visual Studio Code untuk mengelola notebook, lingkungan umum bagi ilmuwan data. Anda akan menemukan Scikit-learn, sebuah pustaka untuk pembelajaran mesin, dan Anda akan membangun model pertama Anda, dengan fokus pada model Regresi dalam bab ini.
Ada alat low-code yang berguna yang dapat membantu Anda belajar tentang bekerja dengan model regresi. Coba Azure ML untuk tugas ini
Pelajaran
Kredit
"ML dengan regresi" ditulis dengan ♥️ oleh Jen Looper
♥️ Kontributor kuis termasuk: Muhammad Sakib Khan Inan dan Ornella Altunyan
Dataset labu disarankan oleh proyek ini di Kaggle dan datanya bersumber dari Laporan Standar Pasar Terminal Tanaman Khusus yang didistribusikan oleh Departemen Pertanian Amerika Serikat. Kami telah menambahkan beberapa poin tentang warna berdasarkan varietas untuk menormalkan distribusi. Data ini berada di domain publik.
Penafian: Dokumen ini telah diterjemahkan menggunakan perkhidmatan terjemahan AI berasaskan mesin. Walaupun kami berusaha untuk ketepatan, sila ambil perhatian bahawa terjemahan automatik mungkin mengandungi kesilapan atau ketidaktepatan. Dokumen asal dalam bahasa asalnya harus dianggap sebagai sumber yang berwibawa. Untuk maklumat kritikal, terjemahan manusia profesional adalah disyorkan. Kami tidak bertanggungjawab ke atas sebarang salah faham atau salah tafsir yang timbul daripada penggunaan terjemahan ini.