msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
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.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
ML-For-Beginners/translations/cs/2-Regression
History
leestott e4050807fb
🌐 Update translations via Co-op Translator 		2 weeks ago
..
1-Tools 🌐 Update translations via Co-op Translator 2 weeks ago
2-Data 🌐 Update translations via Co-op Translator 2 weeks ago
3-Linear 🌐 Update translations via Co-op Translator 2 weeks ago
4-Logistic 🌐 Update translations via Co-op Translator 2 weeks ago
README.md 🌐 Update translations via Co-op Translator 2 weeks ago

README.md

Regresní modely pro strojové učení

Regionální téma: Regresní modely pro ceny dýní v Severní Americe 🎃

V Severní Americe se dýně často vyřezávají do strašidelných obličejů na Halloween. Pojďme se dozvědět více o těchto fascinujících zeleninách!

jack-o-lanterns

Foto od Beth Teutschmann na Unsplash

Co se naučíte

Úvod do regresních modelů

🎥 Klikněte na obrázek výše pro rychlé úvodní video k této lekci

Lekce v této sekci pokrývají typy regresních modelů v kontextu strojového učení. Regresní modely mohou pomoci určit vztah mezi proměnnými. Tento typ modelu dokáže předpovídat hodnoty, jako je délka, teplota nebo věk, a tím odhalit vztahy mezi proměnnými při analýze datových bodů.

V této sérii lekcí objevíte rozdíly mezi lineární a logistickou regresí a zjistíte, kdy je vhodné použít jednu nebo druhou.

ML pro začátečníky - Úvod do regresních modelů pro strojové učení

🎥 Klikněte na obrázek výše pro krátké video představující regresní modely.

V této skupině lekcí se připravíte na zahájení úkolů strojového učení, včetně konfigurace Visual Studio Code pro práci s notebooky, což je běžné prostředí pro datové vědce. Objevíte knihovnu Scikit-learn pro strojové učení a vytvoříte své první modely, přičemž se v této kapitole zaměříte na regresní modely.

Existují užitečné nástroje s nízkým kódem, které vám mohou pomoci naučit se pracovat s regresními modely. Vyzkoušejte Azure ML pro tento úkol

Lekce

  1. Nástroje oboru
  2. Správa dat
  3. Lineární a polynomiální regrese
  4. Logistická regrese

Poděkování

"ML s regresí" bylo napsáno s ♥️ od Jen Looper

♥️ Přispěvatelé kvízů zahrnují: Muhammad Sakib Khan Inan a Ornella Altunyan

Dataset dýní je doporučen tímto projektem na Kaggle a jeho data pocházejí z Specialty Crops Terminal Markets Standard Reports distribuovaných Ministerstvem zemědělství Spojených států. Přidali jsme několik bodů týkajících se barvy na základě odrůdy, abychom normalizovali distribuci. Tato data jsou ve veřejné doméně.

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.