Epizoda

První projekt lineární regrese v Pythonu (část 7 ze 17) | Strojové Učení pro začátečníky

with Bea Stollnitz

Strojové Učení pro začátečníky

V tomto kurzu, který představil Bea Stollnitz, hlavní poradce pro cloud v Microsoftu, vás provedeme vytvořením prvního projektu lineární regrese pomocí Pythonu a datové sady toy z knihovny scikit-learn. Toto video je součástí naší série Strojové Učení pro začátečníky, kde se budeme zabývat různými tématy strojového učení a jejich implementací pomocí kódu Pythonu v poznámkových blocích Jupyter.

V tomto videu se dozvíte:

  • Jak načíst datovou sadu diabetes ze scikit-learn
  • Extrakce a změna tvaru relevantních dat (BMI) pro náš regresní model
  • Rozdělení dat na trénovací a testovací sady
  • Vytvoření a trénování modelu lineární regrese pomocí knihovny scikit-learn
  • Jak vytvářet předpovědi a vyhodnocovat výkon modelu pomocí knihovny matplotlib

Pokud s poznámkovými bloky Jupyter a virtuálními prostředími začínáte, nezapomeňte se podívat na předchozí video, kde vás provedeme nastavením poznámkového bloku Jupyter s virtuálním prostředím pro projekty datových věd.

Sledujte další video v této sérii, kde se podrobněji seznámíme s různými tématy strojového učení a provedeme vás jejich implementací pomocí kódu Pythonu v poznámkových blocích Jupyter. Uvidíte se tam!

Chapters

  • 00:00 - Úvod
  • 00:21 – Otevření poznámkového bloku Jupyter z úložiště ML pro začátečníky
  • 00:50 - Datová sada toy diabetes toy z SciKit-Learn
  • 01:36 – Načtení datové sady diabetes pomocí poznámkového bloku
  • 02:30 - Reshape numpy arrays to format the diabetes data
  • 02:49 – Rozdělení dat do trénovacích a testovacích datových sad
  • 03:14 – Vytvoření a trénování lineárního regresního modelu a vytváření předpovědí
  • 03:35 - Použití knihovny matplotlib k vizualizaci předpovědí

Propojit

Azure Machine Learning
Python