Panoramica

Questo lab è un'introduzione alla regressione lineare utilizzando Python e Scikit-Learn. Questo lab funge da base per gli algoritmi e i modelli di machine learning più complessi che incontrerai nel corso. Addestrerai un modello di regressione lineare per prevedere i prezzi delle abitazioni.

Obiettivi di apprendimento

• Analizzare un Pandas Dataframe.
• Creare grafici di Seaborn per l'Analisi esplorativa dei dati.
• Addestrare un modello di regressione lineare utilizzando Scikit-Learn.

Configurazione e requisiti

Per ciascun lab, riceverai un nuovo progetto Google Cloud e un insieme di risorse per un periodo di tempo limitato senza alcun costo aggiuntivo.

1. Accedi a Qwiklabs utilizzando una finestra di navigazione in incognito.

2. Tieni presente la durata dell'accesso al lab (ad esempio, 1:15:00) e assicurati di finire entro quell'intervallo di tempo.
   Non è disponibile una funzionalità di pausa. Se necessario, puoi riavviare il lab ma dovrai ricominciare dall'inizio.

3. Quando è tutto pronto, fai clic su Inizia lab.

4. Annota le tue credenziali del lab (Nome utente e Password). Le userai per accedere a Google Cloud Console.

5. Fai clic su Apri console Google.

6. Fai clic su Utilizza un altro account e copia/incolla le credenziali per questo lab nei prompt.
   Se utilizzi altre credenziali, compariranno errori oppure ti verranno addebitati dei costi.

7. Accetta i termini e salta la pagina di ripristino delle risorse.

Abilita le API consigliate

1. Nella console Google Cloud, nel menu di navigazione, fai clic su Vertex AI.
2. Fai clic su Abilita tutte le API consigliate.

Attività 1: avvia Vertex AI Notebooks

1. Nella console Google Cloud, nel menu di navigazione, fai clic su Vertex AI > Workbench. Seleziona Blocchi note gestiti dall'utente.

2. Nella pagina delle istanze di blocco note, fai clic su Nuovo blocco note > TensorFlow Enterprise > TensorFlow Enterprise 2.11 (con LTS) > Senza GPU.

3. Nella finestra di dialogo Nuovo blocco note, conferma il nome della macchina virtuale di deep learning; se non vuoi modificare la regione e la zona, lascia tutte le impostazioni invariate e fai clic su Crea. L'avvio della nuova VM richiederà 2-3 minuti.

4. Fai clic su Apri JupyterLab.
   Si aprirà una finestra JupyterLab in una nuova scheda.

5. Se viene visualizzato il popup "Build recommended" (Crea consigliata), fai clic su Crea. Se un messaggio ti informa che la creazione non è riuscita, ignoralo.

Attività 2: clona un repository del corso nell'istanza di Vertex AI Notebooks

Il repository GitHub contiene sia il file del lab sia i file delle soluzioni per il corso.

1. Copia ed esegui il seguente codice nella prima cella del tuo notebook per clonare il repository training-data-analyst.

!git clone https://github.com/GoogleCloudPlatform/training-data-analyst

2. Per confermare di aver clonato il repository, fai doppio clic sulla directory training-data-analyst e assicurati di poterne vedere il contenuto.

Attività 3: introduzione alla regressione lineare

1. Nell'interfaccia del blocco note, passa a training-data-analyst > courses > machine_learning > deepdive2 > launching_into_ml > labs e apri intro_linear_regression.ipynb.

2. Nell'interfaccia del blocco note, nel menu Modifica, fai clic su Cancella tutti gli output.

3. Leggi attentamente le istruzioni del blocco note e compila le righe contrassegnate con #TODO dove devi completare il codice, se necessario.

Suggerimento: per eseguire la cella corrente, fai clic sulla cella e premi MAIUSC+INVIO. Gli altri comandi delle celle sono elencati nella UI del blocco note sotto la voce Esegui.

• Potrebbero anche essere forniti suggerimenti per le attività per guidarti. Evidenzia il testo per leggere i suggerimenti (sono scritti in bianco).
• Se hai bisogno di ulteriore assistenza, dai un'occhiata alla soluzione completa passando a training-data-analyst > courses > machine_learning > deepdive2 > launching_into_ml > solutions e aprendo intro_linear_regression.ipynb.

Terminare il lab

Una volta completato il lab, fai clic su Termina lab. Qwiklabs rimuove le risorse che hai utilizzato ed esegue la pulizia dell'account.

Avrai la possibilità di inserire una valutazione in merito alla tua esperienza. Seleziona il numero di stelle applicabile, inserisci un commento, quindi fai clic su Invia.

Il numero di stelle corrisponde alle seguenti valutazioni:

• 1 stella = molto insoddisfatto
• 2 stelle = insoddisfatto
• 3 stelle = esperienza neutra
• 4 stelle = soddisfatto
• 5 stelle = molto soddisfatto

Se non vuoi lasciare un feedback, chiudi la finestra di dialogo.

Per feedback, suggerimenti o correzioni, utilizza la scheda Assistenza.

Copyright 2020 Google LLC Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.