|
3 weeks ago | |
---|---|---|
.. | ||
1-Tools | 3 weeks ago | |
2-Data | 3 weeks ago | |
3-Linear | 3 weeks ago | |
4-Logistic | 3 weeks ago | |
README.md | 3 weeks ago |
README.md
Regresné modely pre strojové učenie
Regionálna téma: Regresné modely pre ceny tekvíc v Severnej Amerike 🎃
V Severnej Amerike sa tekvice často vyrezávajú do strašidelných tvárí na Halloween. Poďme objaviť viac o týchto fascinujúcich zeleninách!
Foto od Beth Teutschmann na Unsplash
Čo sa naučíte
🎥 Kliknite na obrázok vyššie pre rýchle úvodné video k tejto lekcii
Lekcie v tejto sekcii pokrývajú typy regresie v kontexte strojového učenia. Regresné modely môžu pomôcť určiť vzťah medzi premennými. Tento typ modelu dokáže predpovedať hodnoty, ako sú dĺžka, teplota alebo vek, čím odhaľuje vzťahy medzi premennými pri analýze dátových bodov.
V tejto sérii lekcií objavíte rozdiely medzi lineárnou a logistickou regresiou a zistíte, kedy je vhodné použiť jednu alebo druhú.
🎥 Kliknite na obrázok vyššie pre krátke video predstavujúce regresné modely.
V tejto skupine lekcií sa pripravíte na začiatok úloh strojového učenia, vrátane konfigurácie Visual Studio Code na správu notebookov, bežného prostredia pre dátových vedcov. Objavíte knižnicu Scikit-learn pre strojové učenie a vytvoríte svoje prvé modely, pričom sa v tejto kapitole zameriate na regresné modely.
Existujú užitočné nástroje s nízkym kódom, ktoré vám môžu pomôcť naučiť sa pracovať s regresnými modelmi. Vyskúšajte Azure ML pre túto úlohu
Lekcie
Kredity
"ML s regresiou" bolo napísané s ♥️ od Jen Looper
♥️ Prispievatelia kvízov zahŕňajú: Muhammad Sakib Khan Inan a Ornella Altunyan
Dataset tekvíc je navrhnutý týmto projektom na Kaggle a jeho dáta pochádzajú zo Štandardných správ terminálových trhov pre špeciálne plodiny distribuovaných Ministerstvom poľnohospodárstva Spojených štátov. Pridali sme niekoľko bodov týkajúcich sa farby na základe odrody, aby sme normalizovali distribúciu. Tieto dáta sú vo verejnej doméne.
Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Aj keď sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho pôvodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.