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
9.3 KiB
54 lines
9.3 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
"translation_date": "2025-09-05T11:25:52+00:00",
|
|
"source_file": "2-Regression/README.md",
|
|
"language_code": "my"
|
|
}
|
|
-->
|
|
# စက်မှုသင်ယူမှုအတွက် ပြန်လည်ခန့်မှန်းမော်ဒယ်များ
|
|
## ဒေသဆိုင်ရာ ခေါင်းစဉ်: မြောက်အမေရိကာရှိ ဖရုံဈေးနှုန်းများအတွက် ပြန်လည်ခန့်မှန်းမော်ဒယ်များ 🎃
|
|
|
|
မြောက်အမေရိကာတွင် ဖရုံများကို Halloween အတွက် ကြောက်မက်ဖွယ်မျက်နှာများအဖြစ် ပုံဖော်တတ်ကြသည်။ ဒီစိတ်ဝင်စားဖွယ် ဟင်းသီးဟင်းရွက်များအကြောင်း ပိုမိုလေ့လာကြရအောင်!
|
|
|
|
|
|
> ဓာတ်ပုံ - <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> မှ <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a> တွင် ရရှိသည်
|
|
|
|
## သင်လေ့လာမည့်အရာများ
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Regression ကိုမိတ်ဆက်ခြင်း - ကြည့်ရန်နှိပ်ပါ!")
|
|
> 🎥 အထက်ပါပုံကိုနှိပ်ပြီး ဒီသင်ခန်းစာအတွက် အကျဉ်းချုပ်ဗီဒီယိုကို ကြည့်ပါ
|
|
|
|
ဒီအပိုင်းတွင် ပါဝင်သင်ကြားမည့် သင်ခန်းစာများသည် စက်မှုသင်ယူမှုအတွင်း ပြန်လည်ခန့်မှန်းမော်ဒယ်များအကြောင်းကို ဖော်ပြထားသည်။ ပြန်လည်ခန့်မှန်းမော်ဒယ်များသည် အပြောင်းအလဲများအကြား _ဆက်စပ်မှု_ ကို သတ်မှတ်နိုင်စေသည်။ ဒီမော်ဒယ်အမျိုးအစားသည် အရှည်၊ အပူချိန်၊ အသက် စသည့် တန်ဖိုးများကို ခန့်မှန်းနိုင်ပြီး ဒေတာအချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာသည့်အခါ အပြောင်းအလဲများအကြား ဆက်စပ်မှုများကို ဖော်ထုတ်နိုင်သည်။
|
|
|
|
ဒီသင်ခန်းစာများစီးရီးတွင် Linear regression နှင့် Logistic regression တို့အကြား ကွာခြားချက်များကို ရှာဖွေပြီး တစ်ခုကို တစ်ခုထက် မည်သည့်အခါမှာ ပိုသင့်တော်မည်ကို သိရှိနိုင်မည်ဖြစ်သည်။
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "စက်မှုသင်ယူမှုအတွက် ပြန်လည်ခန့်မှန်းမော်ဒယ်များကို မိတ်ဆက်ခြင်း")
|
|
|
|
> 🎥 အထက်ပါပုံကိုနှိပ်ပြီး ပြန်လည်ခန့်မှန်းမော်ဒယ်များအကြောင်း အကျဉ်းချုပ်ဗီဒီယိုကို ကြည့်ပါ
|
|
|
|
ဒီသင်ခန်းစာအုပ်စုတွင် စက်မှုသင်ယူမှုလုပ်ငန်းများကို စတင်ရန် ပြင်ဆင်မည့်အခန်းကဏ္ဍများကို လေ့လာမည်ဖြစ်ပြီး Visual Studio Code ကို notebook များကို စီမံခန့်ခွဲရန် ပြင်ဆင်သည့်နည်းလမ်းများ၊ ဒေတာသိပ္ပံပညာရှင်များအတွက် ပုံမှန်ပတ်ဝန်းကျင်များကို လေ့လာမည်ဖြစ်သည်။ သင်သည် Scikit-learn လိုက်ဘရေးရီးကို ရှာဖွေပြီး ဒီအခန်းတွင် ပြန်လည်ခန့်မှန်းမော်ဒယ်များကို အထူးအာရုံစိုက်ကာ သင်၏ ပထမဆုံးမော်ဒယ်များကို တည်ဆောက်မည်ဖြစ်သည်။
|
|
|
|
> ပြန်လည်ခန့်မှန်းမော်ဒယ်များနှင့် အလုပ်လုပ်ရန် အထောက်အကူပြုသော နည်းလမ်းများကို လေ့လာရန် အထောက်အကူပြုသော အနည်းဆုံးကုဒ်တစ်ချို့ရှိသည်။ ဒီအလုပ်အတွက် [Azure ML](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) ကို စမ်းကြည့်ပါ
|
|
|
|
### သင်ခန်းစာများ
|
|
|
|
1. [အသုံးပြုရမည့် ကိရိယာများ](1-Tools/README.md)
|
|
2. [ဒေတာကို စီမံခန့်ခွဲခြင်း](2-Data/README.md)
|
|
3. [Linear နှင့် Polynomial ပြန်လည်ခန့်မှန်းမှု](3-Linear/README.md)
|
|
4. [Logistic ပြန်လည်ခန့်မှန်းမှု](4-Logistic/README.md)
|
|
|
|
---
|
|
### အကျိုးတူဆောင်ရွက်သူများ
|
|
|
|
"ML with regression" ကို [Jen Looper](https://twitter.com/jenlooper) မှ ♥️ ဖြင့် ရေးသားထားသည်
|
|
|
|
♥️ စမ်းမေးခွန်းအထောက်အကူပြုသူများတွင် [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) နှင့် [Ornella Altunyan](https://twitter.com/ornelladotcom) တို့ ပါဝင်သည်
|
|
|
|
ဖရုံဒေတာအစုကို [Kaggle တွင်ရှိသော ဒီပရောဂျက်](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) မှ အကြံပြုထားပြီး ဒေတာကို အမေရိကန်စိုက်ပျိုးရေးဌာနမှ ထုတ်ဝေသည့် [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) မှ ရယူထားသည်။ ကျွန်ုပ်တို့သည် အမျိုးအစားအလိုက် အရောင်များကို ပုံမှန်ဖြန့်ဝေမှုအတွက် အချို့အချက်အလက်များ ထည့်သွင်းထားသည်။ ဒီဒေတာသည် Public Domain အတွင်းရှိသည်။
|
|
|
|
---
|
|
|
|
**ဝက်ဘ်ဆိုက်မှတ်ချက်**:
|
|
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု [Co-op Translator](https://github.com/Azure/co-op-translator) ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေပါသော်လည်း၊ အလိုအလျောက်ဘာသာပြန်ဆိုမှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို ကျေးဇူးပြု၍ သတိပြုပါ။ မူရင်းဘာသာစကားဖြင့် ရေးသားထားသော စာရွက်စာတမ်းကို အာဏာတည်သော ရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူပညာရှင်များမှ ဘာသာပြန်ဆိုမှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုမှားများ သို့မဟုတ် အဓိပ္ပါယ်မှားများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။ |