You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/translations/ru/2-Regression/README.md

43 lines
6.0 KiB

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

# Регрессионные модели для машинного обучения
## Региональная тема: Регрессионные модели для цен на тыквы в Северной Америке 🎃
В Северной Америке тыквы часто вырезаются в страшные лица на Хэллоуин. Давайте узнаем больше об этих увлекательных овощах!
![jack-o-lanterns](../../../translated_images/jack-o-lanterns.181c661a9212457d7756f37219f660f1358af27554d856e5a991f16b4e15337c.ru.jpg)
> Фото <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Бет Тойчман</a> на <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
## Что вы узнаете
[![Введение в регрессию](https://img.youtube.com/vi/5QnJtDad4iQ/0.jpg)](https://youtu.be/5QnJtDad4iQ "Видео введение в регрессию - нажмите, чтобы посмотреть!")
> 🎥 Нажмите на изображение выше, чтобы посмотреть короткое вводное видео к этому уроку
Уроки в этом разделе охватывают типы регрессии в контексте машинного обучения. Регрессионные модели могут помочь определить _взаимосвязь_ между переменными. Этот тип модели может предсказывать значения, такие как длина, температура или возраст, тем самым выявляя взаимосвязи между переменными, анализируя данные.
В этой серии уроков вы узнаете о различиях между линейной и логистической регрессией, а также о том, когда следует предпочесть одну из них другой.
[![Машинное обучение для начинающих - Введение в регрессионные модели для машинного обучения](https://img.youtube.com/vi/XA3OaoW86R8/0.jpg)](https://youtu.be/XA3OaoW86R8 "Машинное обучение для начинающих - Введение в регрессионные модели для машинного обучения")
> 🎥 Нажмите на изображение выше, чтобы посмотреть короткое видео, вводящее в регрессионные модели.
В этой группе уроков вы подготовитесь к выполнению задач машинного обучения, включая настройку Visual Studio Code для работы с ноутбуками, общая среда для дата-сайентистов. Вы познакомитесь с Scikit-learn, библиотекой для машинного обучения, и создадите свои первые модели, сосредоточившись на регрессионных моделях в этой главе.
> Существуют полезные инструменты с низким кодом, которые могут помочь вам изучить работу с регрессионными моделями. Попробуйте [Azure ML для этой задачи](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
### Уроки
1. [Инструменты профессии](1-Tools/README.md)
2. [Управление данными](2-Data/README.md)
3. [Линейная и полиномиальная регрессия](3-Linear/README.md)
4. [Логистическая регрессия](4-Logistic/README.md)
---
### Авторы
"Машинное обучение с регрессией" было написано с ♥️ [Джен Лупер](https://twitter.com/jenlooper)
♥️ Участники квиза: [Мухаммад Сакіб Хан Инан](https://twitter.com/Sakibinan) и [Орнелла Алтунян](https://twitter.com/ornelladotcom)
Набор данных о тыквах предложен [этим проектом на Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices), а его данные получены из [Стандартных отчетов по терминальным рынкам специализированных культур](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice), распространяемых Министерством сельского хозяйства США. Мы добавили некоторые данные о цвете на основе сорта для нормализации распределения. Эти данные находятся в общественном достоянии.
**Отказ от ответственности**:
Этот документ был переведен с использованием услуг машинного перевода на основе ИИ. Хотя мы стремимся к точности, пожалуйста, имейте в виду, что автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для критически важной информации рекомендуется профессиональный человеческий перевод. Мы не несем ответственности за любые недоразумения или неправильные толкования, возникающие в результате использования этого перевода.