Add files via upload

2-Regression/Readme.zh-cn.md

+# 机器学习中的回归模型
+## 本节主题： 北美南瓜价格的回归模型 🎃
+
+在北美，南瓜经常在万圣节被刻上吓人的鬼脸。让我们来深入研究一下这种奇妙的蔬菜
+
+![jack-o-lanterns](../images/jack-o-lanterns.jpg)
+> Photo by <a href="https://unsplash.com/@teutschmann?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Beth Teutschmann</a> on <a href="https://unsplash.com/s/photos/jack-o-lanterns?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
+
+##你会学到什么
+
+这节的课程包括机器学习领域中的多种回归模型。回归模型可以明确多种变量间的_关系_。这种模型可以用来预测类似长度、温度和年龄之类的值， 通过分析数据点来揭示变量之间的关系。
+
+在本节的一系列课程中，你会学到线性回归和逻辑回归之间的区别，并且你将知道对于特定问题如何在这两种模型中进行选择
+
+在这组课程中，你会准备好包括为管理笔记而设置VS Code、配置数据科学家常用的环境等机器学习的初始任务。你会开始上手Scikit-learn学习项目（一个机器学习的百科），并且你会以回归模型为主构建起你的第一种机器学习模型
+
+> 这里有一些代码难度较低但很有用的工具可以帮助你学习使用回归模型。 试一下 [Azure ML for this task](https://docs.microsoft.com/learn/modules/create-regression-model-azure-machine-learning-designer/?WT.mc_id=academic-15963-cxa)
+
+
+### Lessons
+
+1. [交易的工具](1-Tools/README.md)
+2. [管理数据](2-Data/README.md)
+3. [线性和多项式回归](3-Linear/README.md)
+4. [逻辑回归](4-Logistic/README.md)
+
+---
+### Credits
+
+"机器学习中的回归" 由[Jen Looper](https://twitter.com/jenlooper)♥️ 撰写
+
+♥️ 测试的贡献者: [Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan) 和 [Ornella Altunyan](https://twitter.com/ornelladotcom)
+
+南瓜数据集受此启发 [this project on Kaggle](https://www.kaggle.com/usda/a-year-of-pumpkin-prices) 并且其数据源自 [Specialty Crops Terminal Markets Standard Reports](https://www.marketnews.usda.gov/mnp/fv-report-config-step1?type=termPrice) 由美国农业部上传分享。我们根据种类添加了围绕颜色的一些数据点。这些数据处在公共的域名上。
\ No newline at end of file