RegressionModels type
Definuje hodnoty pro RegressionModels.
KnownRegressionModels 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 penalizační funkce L1 a L2.
GradientBoosting: Technika přenosu týdenních učení do silného žáka se nazývá boosting. Proces algoritmu zvýšení gradientu pracuje na této teorii provádění.
DecisionTree: Rozhodovací stromy jsou neparametrická metoda učení se supervizí, která se používá pro úlohy klasifikace i regrese.
Cílem je vytvořit model, který předpovídá hodnotu cílové proměnné tím, že se naučí jednoduchá rozhodovací pravidla odvozená z datových funkcí.
KNN: Algoritmus K-nearest neighbors (KNN) používá "podobnost vlastností" k predikci hodnot nových datových bodů, což dále znamená, že novému datovému bodu se přiřadí hodnota na základě toho, jak přesně odpovídá bodům v trénovací sadě.
LassoLars: Model lasa odpovídá regresi nejmenšího úhlu (lars). Jedná se o lineární model trénovaný pomocí L1 a prior jako regularizátor.
SGD: SGD: Stochastický gradientní sestup je optimalizační algoritmus, který se často používá v aplikacích strojového učení k vyhledání parametrů modelu, které odpovídají nejlepšímu přizpůsobení mezi predikovanými a skutečnými výstupy.
Je to nepřesná, ale výkonná technika.
RandomForest: Náhodný les je algoritmus učení se supervizí.
"Les", který vytváří, je soubor rozhodovacích stromů, který se obvykle trénuje metodou "bagging".
Obecná myšlenka metody bagging je taková, 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 podporující přechod, která používá algoritmy stromového učení.
XGBoostRegressor: XGBoostRegressor: Regressor pro zvýšení extrémního gradientu je model strojového učení se supervizí, který využívá soubor základních učení.
type RegressionModels = string