2.8 KiB
Modelos de regressão para machine learning
Tema regional: Modelos de regressão para preços de abóbora na América do Norte 🎃
Na América do Norte, é costume esculpir rostos assustadores em abóbora no Halloween. Vamos descobrir mais sobre esses vegetais fascinantes!
Foto de Beth Teutschmann em Unsplash
O que vamos aprender
As lições desta seção abordam tipos de regressão no contexto de machine learning. Modelos de regressão podem ajudar a determinar a relação entre variáveis. Esse tipo de modelo pode prever valores como comprimento, temperatura ou idade, sugerindo relações entre variáveis à medida que analisa pontos de dados.
Nesta série de lições, você descobrirá a diferença entre regressão linear e logística, e quando deve usar uma ou outra.
Neste grupo de lições, te prepararemos para começar tarefas de machine learning, incluindo configuração do Visual Studio Code para gerenciar notebooks, o ambiente comum para data scientists (cientistas de dados). Você descobrirá a Scikit-learn, uma biblioteca para machine learning, e construirá seus primeiros modelos, focando em modelos de regressão neste capítulo.
Existem ferramentas low-code que podem ajudar a aprender como trabalhar com modelos de regressão. Use a Azure ML para esta tarefa.
Lições
Créditos
"ML with regression" (ML com regressão) foi escrito com ♥️ por Jen Looper
♥️ Contribuidores do questionário incluem: Muhammad Sakib Khan Inan e Ornella Altunyan
O dataset (base de dados) de abóbora foi sugerido por esse projeto no Kaggle e seus dados vieram dos Specialty Crops Terminal Markets Standard Reports (Relatórios Padrão de Mercados Terminais para Cultivos Especiais) distribuído pelo Departamento de Agricultura dos Estados Unidos. Adicionamos alguns pontos sobre a cor por tipo de abóbora para normalizar a distribuição dos dados. Esses dados são abertos ao público.