3.9 KiB
Regresijski modeli za strojno učenje
Regionalna tema: Regresijski modeli za cene buč v Severni Ameriki 🎃
V Severni Ameriki buče pogosto izrezljajo v strašljive obraze za noč čarovnic. Odkrijmo več o teh fascinantnih zelenjavah!
Fotografija avtorja Beth Teutschmann na Unsplash
Kaj se boste naučili
🎥 Kliknite zgornjo sliko za kratek uvodni video v to lekcijo
Lekcije v tem poglavju obravnavajo vrste regresije v kontekstu strojnega učenja. Regresijski modeli lahko pomagajo določiti razmerje med spremenljivkami. Ta vrsta modela lahko napoveduje vrednosti, kot so dolžina, temperatura ali starost, in tako razkriva odnose med spremenljivkami, medtem ko analizira podatkovne točke.
V tej seriji lekcij boste odkrili razlike med linearno in logistično regresijo ter kdaj je bolje uporabiti eno ali drugo.
🎥 Kliknite zgornjo sliko za kratek video, ki uvaja regresijske modele.
V tej skupini lekcij se boste pripravili na naloge strojnega učenja, vključno z nastavitvijo Visual Studio Code za upravljanje zvezkov, ki so običajno okolje za podatkovne znanstvenike. Odkrijte knjižnico Scikit-learn za strojno učenje in zgradite svoje prve modele, pri čemer se v tem poglavju osredotočite na regresijske modele.
Obstajajo uporabna orodja z malo kode, ki vam lahko pomagajo pri učenju dela z regresijskimi modeli. Poskusite Azure ML za to nalogo
Lekcije
Zasluge
"Strojno učenje z regresijo" je bilo napisano z ♥️ avtorice Jen Looper
♥️ Prispevki za kviz vključujejo: Muhammad Sakib Khan Inan in Ornella Altunyan
Podatkovni niz o bučah je predlagan v tem projektu na Kaggle, njegovi podatki pa izvirajo iz Standardnih poročil o cenah na terminalnih trgih za posebne pridelke, ki jih distribuira Ministrstvo za kmetijstvo Združenih držav Amerike. Dodali smo nekaj točk glede barve na podlagi sorte, da normaliziramo porazdelitev. Ti podatki so v javni domeni.
Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za strojno prevajanje Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo strokovno človeško prevajanje. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki izhajajo iz uporabe tega prevoda.