4.2 KiB
머신 러닝을 위한 회귀 모델
지역 주제: 북미 지역 호박 가격을 위한 회귀 모델 🎃
북미에서는 호박을 종종 할로윈을 위해 무서운 얼굴로 조각합니다. 이 매력적인 채소에 대해 더 알아봅시다!
사진 제공: Beth Teutschmann on Unsplash
학습 내용
🎥 위 이미지를 클릭하면 이 레슨에 대한 간단한 소개 영상을 볼 수 있습니다.
이 섹션의 레슨에서는 머신 러닝의 맥락에서 다양한 회귀 유형을 다룹니다. 회귀 모델은 변수 간의 _관계_를 결정하는 데 도움을 줄 수 있습니다. 이러한 유형의 모델은 길이, 온도, 나이와 같은 값을 예측할 수 있으며, 데이터 포인트를 분석하면서 변수 간의 관계를 밝혀냅니다.
이 레슨 시리즈에서는 선형 회귀와 로지스틱 회귀의 차이점을 발견하고, 언제 각각을 사용하는 것이 더 적합한지 배울 수 있습니다.
🎥 위 이미지를 클릭하면 회귀 모델에 대한 짧은 소개 영상을 볼 수 있습니다.
이 레슨 그룹에서는 머신 러닝 작업을 시작하기 위한 준비를 하게 됩니다. 여기에는 데이터 과학자들이 자주 사용하는 환경인 노트북을 관리하기 위해 Visual Studio Code를 설정하는 과정이 포함됩니다. 또한 Scikit-learn이라는 머신 러닝 라이브러리를 발견하고, 이 챕터에서 회귀 모델에 초점을 맞춘 첫 번째 모델을 구축하게 됩니다.
회귀 모델 작업을 배우는 데 도움이 되는 유용한 로우코드 도구가 있습니다. Azure ML을 사용해 보세요
레슨
크레딧
"회귀를 활용한 머신 러닝"은 Jen Looper가 ♥️를 담아 작성했습니다.
♥️ 퀴즈 기여자: Muhammad Sakib Khan Inan 및 Ornella Altunyan
호박 데이터셋은 이 Kaggle 프로젝트에서 제안되었으며, 데이터는 미국 농무부가 배포한 특수 작물 터미널 시장 표준 보고서에서 가져왔습니다. 우리는 분포를 정규화하기 위해 품종에 따라 색상 관련 데이터를 추가했습니다. 이 데이터는 퍼블릭 도메인에 속합니다.
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서의 원어 버전이 권위 있는 출처로 간주되어야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 책임을 지지 않습니다.