|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "508582278dbb8edd2a8a80ac96ef416c",
|
|
|
"translation_date": "2025-09-03T16:17:29+00:00",
|
|
|
"source_file": "2-Regression/README.md",
|
|
|
"language_code": "zh"
|
|
|
}
|
|
|
-->
|
|
|
# 机器学习中的回归模型
|
|
|
## 区域主题：北美地区南瓜价格的回归模型 🎃
|
|
|
|
|
|
在北美，南瓜常被雕刻成恐怖的面孔用于庆祝万圣节。让我们一起来探索这些迷人的蔬菜吧！
|
|
|
|
|
|
|
|
|
> 图片由 <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> 提供，来自 <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
|
|
|
|
|
|
## 你将学到什么
|
|
|
|
|
|
[](https://youtu.be/5QnJtDad4iQ "回归简介视频 - 点击观看！")
|
|
|
> 🎥 点击上方图片观看本课的快速介绍视频
|
|
|
|
|
|
本节课程涵盖了机器学习中回归的类型。回归模型可以帮助确定变量之间的_关系_。这种模型可以预测诸如长度、温度或年龄等值，从而在分析数据点时揭示变量之间的关系。
|
|
|
|
|
|
在这一系列课程中，你将了解线性回归和逻辑回归的区别，以及在什么情况下应该选择其中一种。
|
|
|
|
|
|
[](https://youtu.be/XA3OaoW86R8 "机器学习初学者 - 回归模型简介")
|
|
|
|
|
|
> 🎥 点击上方图片观看关于回归模型的简短介绍视频。
|
|
|
|
|
|
在这一组课程中，你将准备开始机器学习任务，包括配置 Visual Studio Code 来管理笔记本，这是数据科学家常用的环境。你将了解 Scikit-learn，一个用于机器学习的库，并在本章中构建你的第一个模型，重点是回归模型。
|
|
|
|
|
|
> 有一些实用的低代码工具可以帮助你学习如何使用回归模型。试试 [Azure ML 来完成这个任务](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)
|
|
|
|
|
|
### 课程
|
|
|
|
|
|
1. [工具介绍](1-Tools/README.md)
|
|
|
2. [数据管理](2-Data/README.md)
|
|
|
3. [线性回归和多项式回归](3-Linear/README.md)
|
|
|
4. [逻辑回归](4-Logistic/README.md)
|
|
|
|
|
|
---
|
|
|
### 致谢
|
|
|
|
|
|
"回归中的机器学习" 由 [Jen Looper](https://twitter.com/jenlooper) ♥️ 编写
|
|
|
|
|
|
♥️ 测验贡献者包括：[Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) 和 [Ornella Altunyan](https://twitter.com/ornelladotcom)
|
|
|
|
|
|
南瓜数据集由 [Kaggle 上的这个项目](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) 提供，其数据来源于美国农业部发布的 [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice)。我们根据品种添加了一些关于颜色的点以规范分布。这些数据属于公共领域。
|
|
|
|
|
|
---
|
|
|
|
|
|
**免责声明**：
|
|
|
本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原始语言的文档作为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而产生的任何误解或误读不承担责任。 |
