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.
54 lines
3.9 KiB
54 lines
3.9 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
"translation_date": "2025-09-04T23:18:31+00:00",
|
|
"source_file": "2-Regression/README.md",
|
|
"language_code": "cs"
|
|
}
|
|
-->
|
|
# 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!
|
|
|
|
|
|
> Foto od <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> na <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
## Co se naučíte
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Úvodní video o regresi - Klikněte pro zhlédnutí!")
|
|
> 🎥 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.
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "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](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
### Lekce
|
|
|
|
1. [Nástroje oboru](1-Tools/README.md)
|
|
2. [Správa dat](2-Data/README.md)
|
|
3. [Lineární a polynomiální regrese](3-Linear/README.md)
|
|
4. [Logistická regrese](4-Logistic/README.md)
|
|
|
|
---
|
|
### Poděkování
|
|
|
|
"ML s regresí" bylo napsáno s ♥️ od [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
♥️ Přispěvatelé kvízů zahrnují: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) a [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
Dataset dýní je doporučen [tímto projektem na Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) a jeho data pocházejí z [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) 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](https://github.com/Azure/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. |