6.0 KiB
Регресійні моделі для машинного навчання
Регіональна тема: Регресійні моделі для цін на гарбузи в Північній Америці 🎃
У Північній Америці гарбузи часто вирізають у вигляді страшних облич для святкування Гелловіну. Давайте дізнаємося більше про ці захоплюючі овочі!
Фото зроблено Beth Teutschmann на Unsplash
Що ви дізнаєтесь
🎥 Натисніть на зображення вище, щоб переглянути коротке вступне відео до цього уроку
Уроки в цьому розділі охоплюють типи регресії в контексті машинного навчання. Регресійні моделі допомагають визначити взаємозв'язок між змінними. Цей тип моделі може прогнозувати значення, такі як довжина, температура або вік, розкриваючи взаємозв'язки між змінними під час аналізу даних.
У цій серії уроків ви дізнаєтесь про відмінності між лінійною та логістичною регресією, а також коли слід віддати перевагу одній з них.
🎥 Натисніть на зображення вище, щоб переглянути коротке відео про регресійні моделі.
У цій групі уроків ви налаштуєте середовище для виконання завдань машинного навчання, зокрема конфігуруєте Visual Studio Code для роботи з ноутбуками, які є поширеним інструментом для науковців з даних. Ви ознайомитеся з бібліотекою Scikit-learn для машинного навчання та створите свої перші моделі, зосереджуючись на регресійних моделях у цьому розділі.
Існують корисні інструменти з низьким рівнем кодування, які допоможуть вам вивчити роботу з регресійними моделями. Спробуйте Azure ML для цього завдання
Уроки
Подяки
"Машинне навчання з регресією" написано з ♥️ Jen Looper
♥️ У створенні вікторин брали участь: Muhammad Sakib Khan Inan та Ornella Altunyan
Набір даних про гарбузи запропонований цим проєктом на Kaggle, а його дані отримані з Спеціалізованих звітів ринків сільськогосподарських культур, які розповсюджуються Міністерством сільського господарства США. Ми додали кілька точок щодо кольору залежно від сорту для нормалізації розподілу. Ці дані є у відкритому доступі.
Відмова від відповідальності:
Цей документ було перекладено за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, зверніть увагу, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ мовою оригіналу слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.