Odcinek
Pierwszy projekt regresji liniowej w języku Python (część 7 z 17) | Edukacja maszynowe dla początkujących
with Bea Stollnitz
W tym samouczku, przedstawionym przez Bea Stollnitz, głównego ambasadora chmury w firmie Microsoft, przeprowadzimy Cię przez proces tworzenia pierwszego projektu regresji liniowej przy użyciu języka Python i zestawu danych toy z biblioteki scikit-learn. Ten film wideo jest częścią naszej serii Machine Edukacja for Beginners, gdzie omówimy różne tematy uczenia maszynowego i ich implementację przy użyciu kodu języka Python w notesach Jupyter.
W tym filmie wideo dowiesz się:
- Jak załadować zestaw danych diabetes z biblioteki scikit-learn
- Jak wyodrębniać i przekształcać odpowiednie dane (BMI) dla naszego modelu regresji
- Jak podzielić dane na zestawy treningowe i testowe
- Jak utworzyć i wytrenować model regresji liniowej przy użyciu biblioteki scikit-learn
- Jak tworzyć przewidywania i oceniać wydajność modelu przy użyciu biblioteki matplotlib
Jeśli dopiero zaczynasz korzystać z notesów Jupyter i środowisk wirtualnych, pamiętaj, aby obejrzeć poprzednie wideo, gdzie przeprowadzimy Cię przez proces konfigurowania notesu Jupyter ze środowiskiem wirtualnym dla projektów nauki o danych.
Bądź na bieżąco z następnym filmem wideo z tej serii, w którym szczegółowo omówimy różne tematy uczenia maszynowego i przeprowadzimy Cię przez implementację przy użyciu kodu języka Python w notesach Jupyter. Zobacz cię tam!
Rozdziały
- 00:00 — wprowadzenie
- 00:21 — Otwórz notes Jupyter z repozytorium ML dla początkujących
- 00:50 — zestaw danych z biblioteki sciKit-Learn dla cukrzycy
- 01:36 — Ładowanie zestawu danych diabetes przy użyciu notesu
- 02:30 — Zmiana kształtu tablic numpy w celu sformatowania danych dotyczących cukrzycy
- 02:49 — Dzielenie danych na zestawy danych trenowania i testowania
- 03:14 — Tworzenie i trenowanie modelu regresji liniowej oraz przewidywanie
- 03:35 — wizualizowanie przewidywań za pomocą biblioteki matplotlib
Zalecane zasoby
- Ten kurs jest oparty na bezpłatnym, open source, 26-lekcjach uczenia maszynowego dla początkujących program nauczania firmy Microsoft.
- Notes Jupyter Notebook , który należy wykonać wraz z tą lekcją, jest dostępny!
Połącz
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/
W tym samouczku, przedstawionym przez Bea Stollnitz, głównego ambasadora chmury w firmie Microsoft, przeprowadzimy Cię przez proces tworzenia pierwszego projektu regresji liniowej przy użyciu języka Python i zestawu danych toy z biblioteki scikit-learn. Ten film wideo jest częścią naszej serii Machine Edukacja for Beginners, gdzie omówimy różne tematy uczenia maszynowego i ich implementację przy użyciu kodu języka Python w notesach Jupyter.
W tym filmie wideo dowiesz się:
- Jak załadować zestaw danych diabetes z biblioteki scikit-learn
- Jak wyodrębniać i przekształcać odpowiednie dane (BMI) dla naszego modelu regresji
- Jak podzielić dane na zestawy treningowe i testowe
- Jak utworzyć i wytrenować model regresji liniowej przy użyciu biblioteki scikit-learn
- Jak tworzyć przewidywania i oceniać wydajność modelu przy użyciu biblioteki matplotlib
Jeśli dopiero zaczynasz korzystać z notesów Jupyter i środowisk wirtualnych, pamiętaj, aby obejrzeć poprzednie wideo, gdzie przeprowadzimy Cię przez proces konfigurowania notesu Jupyter ze środowiskiem wirtualnym dla projektów nauki o danych.
Bądź na bieżąco z następnym filmem wideo z tej serii, w którym szczegółowo omówimy różne tematy uczenia maszynowego i przeprowadzimy Cię przez implementację przy użyciu kodu języka Python w notesach Jupyter. Zobacz cię tam!
Rozdziały
- 00:00 — wprowadzenie
- 00:21 — Otwórz notes Jupyter z repozytorium ML dla początkujących
- 00:50 — zestaw danych z biblioteki sciKit-Learn dla cukrzycy
- 01:36 — Ładowanie zestawu danych diabetes przy użyciu notesu
- 02:30 — Zmiana kształtu tablic numpy w celu sformatowania danych dotyczących cukrzycy
- 02:49 — Dzielenie danych na zestawy danych trenowania i testowania
- 03:14 — Tworzenie i trenowanie modelu regresji liniowej oraz przewidywanie
- 03:35 — wizualizowanie przewidywań za pomocą biblioteki matplotlib
Zalecane zasoby
- Ten kurs jest oparty na bezpłatnym, open source, 26-lekcjach uczenia maszynowego dla początkujących program nauczania firmy Microsoft.
- Notes Jupyter Notebook , który należy wykonać wraz z tą lekcją, jest dostępny!
Połącz
- Bea Stollnitz | Blog
- Bea Stollnitz | Twitter: @beastollnitz
- Bea Stollnitz | LinkedIn: in/beatrizstollnitz/