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.
43 lines
3.6 KiB
43 lines
3.6 KiB
# Mifano ya urejeleaji kwa ajili ya kujifunza mashine
|
|
## Mada ya kieneo: Mifano ya urejeleaji kwa bei za maboga Amerika Kaskazini 🎃
|
|
|
|
Katika Amerika Kaskazini, maboga mara nyingi hukatwa na kufanywa nyuso za kutisha kwa ajili ya Halloween. Hebu tujifunze zaidi kuhusu mboga hizi za kuvutia!
|
|
|
|
|
|
> Picha na <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> kwenye <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
## Kile utakachojifunza
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Regression Introduction video - Click to Watch!")
|
|
> 🎥 Bofya picha hapo juu kwa video ya utangulizi wa haraka kwa somo hili
|
|
|
|
Masomo katika sehemu hii yanashughulikia aina za urejeleaji katika muktadha wa kujifunza mashine. Mifano ya urejeleaji inaweza kusaidia kubaini _uhusiano_ kati ya vigezo. Aina hii ya mfano inaweza kutabiri thamani kama urefu, joto, au umri, hivyo kufichua uhusiano kati ya vigezo inapochambua data.
|
|
|
|
Katika mfululizo huu wa masomo, utagundua tofauti kati ya urejeleaji wa mstari na urejeleaji wa kimantiki, na wakati gani unapaswa kupendelea moja juu ya nyingine.
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "ML for beginners - Introduction to Regression models for Machine Learning")
|
|
|
|
> 🎥 Bofya picha hapo juu kwa video fupi ya utangulizi wa mifano ya urejeleaji.
|
|
|
|
Katika kundi hili la masomo, utaandaliwa kuanza kazi za kujifunza mashine, ikiwa ni pamoja na kusanidi Visual Studio Code kusimamia vitabu, mazingira ya kawaida kwa wanasayansi wa data. Utagundua Scikit-learn, maktaba kwa ajili ya kujifunza mashine, na utajenga mifano yako ya kwanza, ukilenga mifano ya urejeleaji katika sura hii.
|
|
|
|
> Kuna zana muhimu za chini ya msimbo ambazo zinaweza kukusaidia kujifunza kuhusu kufanya kazi na mifano ya urejeleaji. Jaribu [Azure ML kwa kazi hii](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
### Masomo
|
|
|
|
1. [Zana za biashara](1-Tools/README.md)
|
|
2. [Usimamizi wa data](2-Data/README.md)
|
|
3. [Urejeleaji wa mstari na polinomiali](3-Linear/README.md)
|
|
4. [Urejeleaji wa kimantiki](4-Logistic/README.md)
|
|
|
|
---
|
|
### Shukrani
|
|
|
|
"ML na urejeleaji" iliandikwa kwa ♥️ na [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
♥️ Wanaochangia maswali ni pamoja na: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) na [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
Seti ya data ya maboga imependekezwa na [mradi huu kwenye Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) na data yake inatoka [Ripoti za Kawaida za Masoko ya Mazao Maalum](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) zinazotolewa na Idara ya Kilimo ya Marekani. Tumeongeza baadhi ya pointi kuhusu rangi kulingana na aina ili kusawazisha usambazaji. Data hii ipo katika umma.
|
|
|
|
**Kanusho**:
|
|
Hati hii imetafsiriwa kwa kutumia huduma za tafsiri za AI zinazotegemea mashine. Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au upotofu. Hati asilia katika lugha yake ya asili inapaswa kuchukuliwa kuwa chanzo chenye mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya kibinadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri potofu zinazotokana na matumizi ya tafsiri hii. |