|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
|
"translation_date": "2025-08-29T20:13:01+00:00",
|
|
|
"source_file": "2-Regression/README.md",
|
|
|
"language_code": "ru"
|
|
|
}
|
|
|
-->
|
|
|
# Регрессионные модели для машинного обучения
|
|
|
## Региональная тема: Регрессионные модели для цен на тыквы в Северной Америке 🎃
|
|
|
|
|
|
В Северной Америке тыквы часто вырезают в виде страшных лиц для Хэллоуина. Давайте узнаем больше об этих удивительных овощах!
|
|
|
|
|
|
|
|
|
> Фото от <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> на <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
|
|
## Чему вы научитесь
|
|
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "Введение в регрессию - Нажмите, чтобы посмотреть!")
|
|
|
> 🎥 Нажмите на изображение выше, чтобы посмотреть короткое видео о введении в урок
|
|
|
|
|
|
Уроки в этом разделе охватывают типы регрессии в контексте машинного обучения. Регрессионные модели помогают определить _взаимосвязь_ между переменными. Этот тип моделей может предсказывать значения, такие как длина, температура или возраст, раскрывая связи между переменными при анализе данных.
|
|
|
|
|
|
В этой серии уроков вы узнаете о различиях между линейной и логистической регрессией, а также о том, когда стоит предпочесть одну из них.
|
|
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "Машинное обучение для начинающих - Введение в регрессионные модели для машинного обучения")
|
|
|
|
|
|
> 🎥 Нажмите на изображение выше, чтобы посмотреть короткое видео о регрессионных моделях.
|
|
|
|
|
|
В этой группе уроков вы подготовитесь к выполнению задач машинного обучения, включая настройку Visual Studio Code для работы с ноутбуками, которые являются общим инструментом для специалистов по данным. Вы познакомитесь с библиотекой Scikit-learn для машинного обучения и создадите свои первые модели, сосредоточив внимание на регрессионных моделях в этой главе.
|
|
|
|
|
|
> Существуют полезные инструменты с низким уровнем кода, которые помогут вам изучить работу с регрессионными моделями. Попробуйте [Azure ML для этой задачи](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
|
|
### Уроки
|
|
|
|
|
|
1. [Инструменты для работы](1-Tools/README.md)
|
|
|
2. [Управление данными](2-Data/README.md)
|
|
|
3. [Линейная и полиномиальная регрессия](3-Linear/README.md)
|
|
|
4. [Логистическая регрессия](4-Logistic/README.md)
|
|
|
|
|
|
---
|
|
|
### Благодарности
|
|
|
|
|
|
"Машинное обучение с регрессией" написано с ♥️ [Jen Looper](https://twitter.com/jenlooper)
|
|
|
|
|
|
♥️ Авторы викторин: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) и [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
|
|
Датасет с тыквами предложен [этим проектом на Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices), а его данные взяты из [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice), распространяемых Министерством сельского хозяйства США. Мы добавили несколько точек, связанных с цветом, на основе разновидностей, чтобы нормализовать распределение. Эти данные находятся в открытом доступе.
|
|
|
|
|
|
---
|
|
|
|
|
|
**Отказ от ответственности**:
|
|
|
Этот документ был переведен с помощью сервиса автоматического перевода [Co-op Translator](https://github.com/Azure/co-op-translator). Несмотря на наши усилия обеспечить точность, автоматические переводы могут содержать ошибки или неточности. Оригинальный документ на его родном языке следует считать авторитетным источником. Для получения критически важной информации рекомендуется профессиональный перевод человеком. Мы не несем ответственности за любые недоразумения или неправильные интерпретации, возникшие в результате использования данного перевода. |
