KnownRegressionModels enum

Paquete:

@azure/arm-machinelearning

Valores conocidos de RegressionModels que acepta el servicio.

Campos

DecisionTree	Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se usa para las tareas de clasificación y regresión. El objetivo es crear un modelo que prediga el valor de una variable de destino mediante el aprendizaje de reglas de decisión sencillas inferidas de las características de datos.
ElasticNet	Elastic net es un tipo popular de regresión lineal regularizada que combina dos penalizaciones populares, específicamente las funciones de penalización L1 y L2.
ExtremeRandomTrees	Los árboles extremos son un algoritmo de aprendizaje automático de conjunto que combina las predicciones de muchos árboles de decisión. Está relacionado con el algoritmo de bosque aleatorio ampliamente utilizado.
GradientBoosting	La técnica de tránsito de estudiantes de semana en un aprendiz fuerte se denomina Boosting. El proceso del algoritmo de potenciación de degradado funciona en esta teoría de la ejecución.
KNN	El algoritmo K-nearest vecinos (KNN) usa "feature similarity" para predecir los valores de nuevos puntos de datos, lo que significa que el nuevo punto de datos se asignará a un valor en función de la estrecha coincidencia con los puntos del conjunto de entrenamiento.
LassoLars	El modelo lasso encaja con regresión de ángulo mínimo a.k.a. Lars. Es un modelo lineal entrenado con un L1 anterior como regularizador.
LightGBM	LightGBM es un marco de potenciación de degradado que usa algoritmos de aprendizaje basados en árboles.
RandomForest	El bosque aleatorio es un algoritmo de aprendizaje supervisado. El "bosque" que crea es un conjunto de árboles de decisión, normalmente entrenados con el método "etiquetado". La idea general del método de etiquetado es que una combinación de modelos de aprendizaje aumenta el resultado general.
SGD	SGD: el descenso de degradado estocástico es un algoritmo de optimización que se usa a menudo en las aplicaciones de aprendizaje automático para encontrar los parámetros del modelo que corresponden al mejor ajuste entre las salidas previstas y reales. Es una técnica inexacta pero poderosa.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor es un modelo de aprendizaje automático supervisado mediante un conjunto de aprendices base.