|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
|
"translation_date": "2025-08-29T20:13:15+00:00",
|
|
|
"source_file": "2-Regression/README.md",
|
|
|
"language_code": "mo"
|
|
|
}
|
|
|
-->
|
|
|
# 機器學習中的回歸模型
|
|
|
## 區域主題：北美南瓜價格的回歸模型 🎃
|
|
|
|
|
|
在北美，南瓜常被雕刻成恐怖的臉孔以慶祝萬聖節。讓我們一起探索這些迷人的蔬菜吧！
|
|
|
|
|
|
|
|
|
> 照片由 <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> 提供，來自 <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
|
|
## 你將學到什麼
|
|
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "回歸介紹影片 - 點擊觀看！")
|
|
|
> 🎥 點擊上方圖片觀看本課程的快速介紹影片
|
|
|
|
|
|
本章節的課程涵蓋機器學習中回歸的類型。回歸模型可以幫助確定變數之間的_關係_。這類模型可以預測像是長度、溫度或年齡等數值，從而在分析數據點時揭示變數之間的關聯。
|
|
|
|
|
|
在這系列課程中，你將了解線性回歸和邏輯回歸的差異，以及在什麼情況下應選擇其中一種。
|
|
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "機器學習入門 - 回歸模型介紹")
|
|
|
|
|
|
> 🎥 點擊上方圖片觀看回歸模型的簡短介紹影片。
|
|
|
|
|
|
在這組課程中，你將準備開始機器學習任務，包括配置 Visual Studio Code 以管理筆記本，這是數據科學家常用的環境。你將了解 Scikit-learn，一個機器學習的庫，並在本章節中建立你的第一個模型，重點放在回歸模型上。
|
|
|
|
|
|
> 有一些實用的低代碼工具可以幫助你學習如何使用回歸模型。試試 [Azure ML](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) 完成這項任務。
|
|
|
|
|
|
### 課程
|
|
|
|
|
|
1. [工具介紹](1-Tools/README.md)
|
|
|
2. [數據管理](2-Data/README.md)
|
|
|
3. [線性回歸與多項式回歸](3-Linear/README.md)
|
|
|
4. [邏輯回歸](4-Logistic/README.md)
|
|
|
|
|
|
---
|
|
|
### 致謝
|
|
|
|
|
|
"回歸模型的機器學習" 由 [Jen Looper](https://twitter.com/jenlooper) 用 ♥️ 編寫
|
|
|
|
|
|
♥️ 測驗貢獻者包括：[Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) 和 [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
|
|
南瓜數據集由 [Kaggle 上的這個項目](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) 提供建議，其數據來源於美國農業部發布的 [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice)。我們基於品種添加了一些關於顏色的數據點以使分佈正常化。這些數據屬於公共領域。
|
|
|
|
|
|
---
|
|
|
|
|
|
**免責聲明**：
|
|
|
本文件已使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋不承擔責任。 |
