RegressionModels type
Definuje hodnoty pro RegressionModels.
PoleRegressionModels lze použít zaměnitelně s RegressionModels, tento výčet obsahuje známé hodnoty, které služba podporuje.
Známé hodnoty podporované službou
ElasticNet: Elastic net je oblíbený typ regularizované lineární regrese, který kombinuje dvě oblíbené sankce, konkrétně tresty L1 a L2.
GradientBoosting: Technika přenášení týdenních učení do silného učení se nazývá Boosting. Proces přechodu podporující algoritmus funguje na této teorii provádění.
DecisionTree: Rozhodovací stromy představují metodu učení, která není parametrická pod dohledem, která se používá pro úlohy klasifikace i regrese.
Cílem je vytvořit model, který predikuje hodnotu cílové proměnné učením jednoduchých rozhodovacích pravidel odvozených z datových funkcí.
KNN: Algoritmus K-nejbližších sousedů (KNN) používá k predikci hodnot nových datových bodů "podobnost funkce", což dále znamená, že nový datový bod bude přiřazen hodnotu na základě toho, jak přesně odpovídá bodům v trénovací sadě.
LassoLars: Model Laso se vejde s nejnižší regresí úhlu a.k.a. Lars. Jedná se o lineární model vytrénovaný pomocí L1 předchozího jako regularizátoru.
SGD: SGD: Stochastic gradientní sestup je optimalizační algoritmus, který se často používá v aplikacích strojového učení k nalezení parametrů modelu, které odpovídají nejlepšímu přizpůsobení mezi predikovanými a skutečnými výstupy.
Je to nevýkonná, ale výkonná technika.
RandomForest: Náhodná doménová struktura je algoritmus učení pod dohledem.
"Les", který vytváří, je soubor rozhodovacích stromů, obvykle trénovaný metodou "sáček".
Obecná myšlenka metody baggingu spočívá v tom, že kombinace modelů učení zvyšuje celkový výsledek.
ExtremeRandomTrees: Extreme Trees je algoritmus strojového učení, který kombinuje předpovědi z mnoha rozhodovacích stromů. Souvisí s široce používaným algoritmem náhodné doménové struktury.
LightGBM: LightGBM je architektura pro zvýšení přechodu, která používá algoritmy učení založené na stromech.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor je model strojového učení pod dohledem využívající soubor základních učení.
type RegressionModels = string