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
4.2 KiB
54 lines
4.2 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
"translation_date": "2025-09-03T16:17:02+00:00",
|
|
"source_file": "2-Regression/README.md",
|
|
"language_code": "pl"
|
|
}
|
|
-->
|
|
# Modele regresji w uczeniu maszynowym
|
|
## Temat regionalny: Modele regresji dla cen dyni w Ameryce Północnej 🎃
|
|
|
|
W Ameryce Północnej dynie często są rzeźbione w straszne twarze na Halloween. Odkryjmy więcej na temat tych fascynujących warzyw!
|
|
|
|
|
|
> Zdjęcie autorstwa <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> na <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
## Czego się nauczysz
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Film wprowadzający do regresji - Kliknij, aby obejrzeć!")
|
|
> 🎥 Kliknij obrazek powyżej, aby obejrzeć krótki film wprowadzający do tej lekcji
|
|
|
|
Lekcje w tej sekcji obejmują różne rodzaje regresji w kontekście uczenia maszynowego. Modele regresji mogą pomóc określić _związek_ między zmiennymi. Tego typu modele mogą przewidywać wartości, takie jak długość, temperatura czy wiek, odkrywając jednocześnie relacje między zmiennymi podczas analizy punktów danych.
|
|
|
|
W tej serii lekcji poznasz różnice między regresją liniową a logistyczną oraz dowiesz się, kiedy warto wybrać jedną z nich.
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "Uczenie maszynowe dla początkujących - Wprowadzenie do modeli regresji")
|
|
|
|
> 🎥 Kliknij obrazek powyżej, aby obejrzeć krótki film wprowadzający do modeli regresji.
|
|
|
|
W tej grupie lekcji przygotujesz się do rozpoczęcia zadań związanych z uczeniem maszynowym, w tym skonfigurujesz Visual Studio Code do zarządzania notatnikami, które są powszechnym środowiskiem pracy dla naukowców zajmujących się danymi. Poznasz bibliotekę Scikit-learn, przeznaczoną do uczenia maszynowego, i zbudujesz swoje pierwsze modele, koncentrując się na modelach regresji w tym rozdziale.
|
|
|
|
> Istnieją przydatne narzędzia niskokodowe, które mogą pomóc w nauce pracy z modelami regresji. Wypróbuj [Azure ML do tego zadania](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
### Lekcje
|
|
|
|
1. [Narzędzia pracy](1-Tools/README.md)
|
|
2. [Zarządzanie danymi](2-Data/README.md)
|
|
3. [Regresja liniowa i wielomianowa](3-Linear/README.md)
|
|
4. [Regresja logistyczna](4-Logistic/README.md)
|
|
|
|
---
|
|
### Podziękowania
|
|
|
|
"Uczenie maszynowe z regresją" zostało napisane z ♥️ przez [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
♥️ Współtwórcy quizów: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) i [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
Zbiór danych dotyczący dyni został zasugerowany przez [ten projekt na Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices), a dane pochodzą z [Raportów Standardowych Rynków Terminalowych dla Upraw Specjalistycznych](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) dystrybuowanych przez Departament Rolnictwa Stanów Zjednoczonych. Dodaliśmy kilka punktów dotyczących koloru w zależności od odmiany, aby znormalizować rozkład. Dane te są w domenie publicznej.
|
|
|
|
---
|
|
|
|
**Zastrzeżenie**:
|
|
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za źródło autorytatywne. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia. |