ML-For-Beginners/2-Regression/translations

Модели регрессии для машинного обучения

Региональная тема: модели регрессии для цен на тыкву в Северной Америке 🎃

В Северной Америке на Хэллоуин из тыкв часто вырезают страшные лица. Давайте узнаем больше об этих восхитительных овощах!

Фото Бет Тойчманн на Unsplash

Что вы узнаете

Уроки в этом разделе охватывают типы регрессии в контексте машинного обучения. Модели регрессии могут помочь определить отношения между переменными. Этот тип модели может предсказывать такие значения, как длина, температура или возраст, тем самым выявляя взаимосвязи между переменными при анализе точек данных.

В этой серии уроков вы обнаружите разницу между линейной регрессией и логистической регрессией, а также когда вам следует использовать ту или иную регрессию.

В этой группе уроков вы будете настроены, чтобы приступить к задачам машинного обучения, включая настройку кода Visual Studio для управления записными книжками, общей средой для специалистов по данным. Вы откроете для себя Scikit-learn, библиотеку для машинного обучения, и создадите свои первые модели, уделяя особое внимание моделям регрессии в этой главе.

Существуют полезные инструменты с небольшим количеством кода, которые могут помочь вам узнать о работе с моделями регрессии. Попробуйте Azure ML для этой задачи

Уроки

1. Инструменты торговли
2. Управление данными
3. Линейная и полиномиальная регрессия
4. Логистическая регрессия

---

Благодарности

«ML с регрессией» был написан с помощью ♥ ️Джен Лупер

♥ ️ Среди участников викторины: Мухаммад Сакиб Хан Инан и Орнелла Алтунян

Набор данных по тыкве предлагается этот проект на Kaggle, а его данные взяты из Стандартных отчетов по рынкам специальных культур на терминалах распространяется Министерством сельского хозяйства США. Мы добавили несколько точек вокруг цвета на основе разнообразия, чтобы нормализовать распределение. Эти данные находятся в открытом доступе.