|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
|
"translation_date": "2025-09-04T23:18:55+00:00",
|
|
|
"source_file": "2-Regression/README.md",
|
|
|
"language_code": "el"
|
|
|
}
|
|
|
-->
|
|
|
# Μοντέλα παλινδρόμησης για μηχανική μάθηση
|
|
|
## Περιφερειακό θέμα: Μοντέλα παλινδρόμησης για τις τιμές κολοκύθας στη Βόρεια Αμερική 🎃
|
|
|
|
|
|
Στη Βόρεια Αμερική, οι κολοκύθες συχνά σκαλίζονται σε τρομακτικά πρόσωπα για το Halloween. Ας ανακαλύψουμε περισσότερα για αυτά τα συναρπαστικά λαχανικά!
|
|
|
|
|
|
|
|
|
> Φωτογραφία από <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> στο <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
|
|
## Τι θα μάθετε
|
|
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Regression Introduction video - Click to Watch!")
|
|
|
> 🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα σύντομο εισαγωγικό βίντεο για αυτό το μάθημα
|
|
|
|
|
|
Τα μαθήματα σε αυτή την ενότητα καλύπτουν τους τύπους παλινδρόμησης στο πλαίσιο της μηχανικής μάθησης. Τα μοντέλα παλινδρόμησης μπορούν να βοηθήσουν στον προσδιορισμό της _σχέσης_ μεταξύ μεταβλητών. Αυτός ο τύπος μοντέλου μπορεί να προβλέψει τιμές όπως μήκος, θερμοκρασία ή ηλικία, αποκαλύπτοντας έτσι σχέσεις μεταξύ μεταβλητών καθώς αναλύει σημεία δεδομένων.
|
|
|
|
|
|
Σε αυτή τη σειρά μαθημάτων, θα ανακαλύψετε τις διαφορές μεταξύ γραμμικής και λογιστικής παλινδρόμησης, καθώς και πότε πρέπει να προτιμήσετε τη μία έναντι της άλλης.
|
|
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "ML for beginners - Introduction to Regression models for Machine Learning")
|
|
|
|
|
|
> 🎥 Κάντε κλικ στην εικόνα παραπάνω για ένα σύντομο βίντεο που εισάγει τα μοντέλα παλινδρόμησης.
|
|
|
|
|
|
Σε αυτή την ομάδα μαθημάτων, θα προετοιμαστείτε για να ξεκινήσετε εργασίες μηχανικής μάθησης, συμπεριλαμβανομένης της ρύθμισης του Visual Studio Code για τη διαχείριση σημειωματάριων, του κοινού περιβάλλοντος για επιστήμονες δεδομένων. Θα ανακαλύψετε το Scikit-learn, μια βιβλιοθήκη για μηχανική μάθηση, και θα δημιουργήσετε τα πρώτα σας μοντέλα, εστιάζοντας στα μοντέλα παλινδρόμησης σε αυτό το κεφάλαιο.
|
|
|
|
|
|
> Υπάρχουν χρήσιμα εργαλεία χαμηλού κώδικα που μπορούν να σας βοηθήσουν να μάθετε πώς να εργάζεστε με μοντέλα παλινδρόμησης. Δοκιμάστε [Azure ML για αυτή την εργασία](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
|
|
### Μαθήματα
|
|
|
|
|
|
1. [Εργαλεία του επαγγέλματος](1-Tools/README.md)
|
|
|
2. [Διαχείριση δεδομένων](2-Data/README.md)
|
|
|
3. [Γραμμική και πολυωνυμική παλινδρόμηση](3-Linear/README.md)
|
|
|
4. [Λογιστική παλινδρόμηση](4-Logistic/README.md)
|
|
|
|
|
|
---
|
|
|
### Συντελεστές
|
|
|
|
|
|
Το "ML με παλινδρόμηση" γράφτηκε με ♥️ από [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
|
|
♥️ Συντελεστές κουίζ περιλαμβάνουν: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) και [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
|
|
Το σύνολο δεδομένων για τις κολοκύθες προτείνεται από [αυτό το project στο Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) και τα δεδομένα του προέρχονται από τις [Ειδικές Αναφορές Τιμών Αγορών Τερματικών Καλλιεργειών](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) που διανέμονται από το Υπουργείο Γεωργίας των Ηνωμένων Πολιτειών. Έχουμε προσθέσει ορισμένα σημεία σχετικά με το χρώμα βάσει της ποικιλίας για να ομαλοποιήσουμε την κατανομή. Αυτά τα δεδομένα είναι δημόσια διαθέσιμα.
|
|
|
|
|
|
---
|
|
|
|
|
|
**Αποποίηση ευθύνης**:
|
|
|
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης. |
