4.0 KiB
Regressiemodellen voor machine learning
Regionaal onderwerp: Regressiemodellen voor pompoenprijzen in Noord-Amerika 🎃
In Noord-Amerika worden pompoenen vaak uitgesneden in enge gezichten voor Halloween. Laten we meer ontdekken over deze fascinerende groenten!
Foto door Beth Teutschmann op Unsplash
Wat je zult leren
🎥 Klik op de afbeelding hierboven voor een korte introductievideo van deze les
De lessen in deze sectie behandelen verschillende soorten regressie in de context van machine learning. Regressiemodellen kunnen helpen om de relatie tussen variabelen te bepalen. Dit type model kan waarden voorspellen zoals lengte, temperatuur of leeftijd, en zo relaties tussen variabelen blootleggen terwijl het datapunten analyseert.
In deze serie lessen ontdek je de verschillen tussen lineaire en logistische regressie, en wanneer je de ene boven de andere zou moeten verkiezen.
🎥 Klik op de afbeelding hierboven voor een korte video over regressiemodellen.
In deze groep lessen ga je aan de slag met machine learning-taken, waaronder het configureren van Visual Studio Code om notebooks te beheren, de gebruikelijke omgeving voor datawetenschappers. Je ontdekt Scikit-learn, een bibliotheek voor machine learning, en je bouwt je eerste modellen, met de focus op regressiemodellen in dit hoofdstuk.
Er zijn handige low-code tools die je kunnen helpen bij het werken met regressiemodellen. Probeer Azure ML voor deze taak
Lessen
Credits
"ML met regressie" is geschreven met ♥️ door Jen Looper
♥️ Bijdragers aan de quiz zijn onder andere: Muhammad Sakib Khan Inan en Ornella Altunyan
De pompoendataset wordt aanbevolen door dit project op Kaggle en de gegevens zijn afkomstig van de Specialty Crops Terminal Markets Standard Reports verspreid door het Amerikaanse ministerie van Landbouw. We hebben enkele punten toegevoegd rond kleur op basis van variëteit om de verdeling te normaliseren. Deze gegevens zijn openbaar beschikbaar.
Disclaimer:
Dit document is vertaald met behulp van de AI-vertalingsservice Co-op Translator. Hoewel we streven naar nauwkeurigheid, dient u zich ervan bewust te zijn dat geautomatiseerde vertalingen fouten of onnauwkeurigheden kunnen bevatten. Het originele document in zijn oorspronkelijke taal moet worden beschouwd als de gezaghebbende bron. Voor cruciale informatie wordt professionele menselijke vertaling aanbevolen. Wij zijn niet aansprakelijk voor eventuele misverstanden of verkeerde interpretaties die voortvloeien uit het gebruik van deze vertaling.