7.0 KiB
โมเดลการถดถอยสำหรับการเรียนรู้ของเครื่อง
หัวข้อภูมิภาค: โมเดลการถดถอยสำหรับราคาฟักทองในอเมริกาเหนือ 🎃
ในอเมริกาเหนือ ฟักทองมักถูกแกะสลักเป็นหน้าตาน่ากลัวสำหรับวันฮาโลวีน มาค้นพบเพิ่มเติมเกี่ยวกับผักที่น่าสนใจเหล่านี้กันเถอะ!
ภาพถ่ายโดย Beth Teutschmann บน Unsplash
สิ่งที่คุณจะได้เรียนรู้
🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอแนะนำบทเรียนนี้อย่างรวดเร็ว
บทเรียนในส่วนนี้ครอบคลุมประเภทของการถดถอยในบริบทของการเรียนรู้ของเครื่อง โมเดลการถดถอยสามารถช่วยกำหนด ความสัมพันธ์ ระหว่างตัวแปรต่าง ๆ โมเดลประเภทนี้สามารถทำนายค่าต่าง ๆ เช่น ความยาว อุณหภูมิ หรืออายุ และช่วยเปิดเผยความสัมพันธ์ระหว่างตัวแปรในขณะที่วิเคราะห์จุดข้อมูล
ในชุดบทเรียนนี้ คุณจะค้นพบความแตกต่างระหว่างการถดถอยเชิงเส้นและการถดถอยแบบลอจิสติก และเรียนรู้ว่าเมื่อใดควรเลือกใช้แบบใด
🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอสั้น ๆ แนะนำโมเดลการถดถอย
ในกลุ่มบทเรียนนี้ คุณจะได้เตรียมตัวเริ่มต้นงานการเรียนรู้ของเครื่อง รวมถึงการตั้งค่า Visual Studio Code เพื่อจัดการโน้ตบุ๊ก ซึ่งเป็นสภาพแวดล้อมทั่วไปสำหรับนักวิทยาศาสตร์ข้อมูล คุณจะได้ค้นพบ Scikit-learn ซึ่งเป็นไลบรารีสำหรับการเรียนรู้ของเครื่อง และคุณจะสร้างโมเดลแรกของคุณ โดยเน้นไปที่โมเดลการถดถอยในบทนี้
มีเครื่องมือที่ใช้โค้ดน้อยที่มีประโยชน์ซึ่งสามารถช่วยให้คุณเรียนรู้เกี่ยวกับการทำงานกับโมเดลการถดถอย ลองใช้ Azure ML สำหรับงานนี้
บทเรียน
เครดิต
"ML with regression" เขียนด้วย ♥️ โดย Jen Looper
♥️ ผู้ร่วมสร้างแบบทดสอบ ได้แก่: Muhammad Sakib Khan Inan และ Ornella Altunyan
ชุดข้อมูลฟักทองแนะนำโดย โปรเจกต์นี้บน Kaggle และข้อมูลมาจาก Specialty Crops Terminal Markets Standard Reports ที่เผยแพร่โดยกระทรวงเกษตรของสหรัฐอเมริกา เราได้เพิ่มจุดข้อมูลเกี่ยวกับสีตามชนิดเพื่อปรับการกระจายให้เป็นมาตรฐาน ข้อมูลนี้อยู่ในโดเมนสาธารณะ
ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่แม่นยำ เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้บริการแปลภาษาจากผู้เชี่ยวชาญ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความที่ผิดพลาดซึ่งเกิดจากการใช้การแปลนี้