KnownClassificationModels enum

Pakiet:

@azure/arm-machinelearning

Znane wartości klasy ClassificationModels akceptowane przez usługę.

Pola

BernoulliNaiveBayes	Prosty klasyfikator Bayesa dla wieloariancyjnych modeli Bernoulli.
DecisionTree	Drzewa decyzyjne to nieparametryczna metoda uczenia nadzorowanego używana zarówno do zadań klasyfikacji, jak i regresji. Celem jest utworzenie modelu, który przewiduje wartość zmiennej docelowej przez uczenie się prostych reguł decyzyjnych wywnioskowanych z funkcji danych.
ExtremeRandomTrees	Extreme Trees to grupowy algorytm uczenia maszynowego, który łączy przewidywania z wielu drzew decyzyjnych. Jest to związane z powszechnie używanym algorytmem lasu losowego.
GradientBoosting	Technika przechodzenia tygodni uczących się do silnego ucznia jest nazywana Boosting. Proces algorytmu zwiększania gradientu działa na tej teorii wykonywania.
KNN	Algorytm K najbliższych sąsiadów (KNN) używa "podobieństwa cech", aby przewidzieć wartości nowych punktów danych, co dodatkowo oznacza, że nowy punkt danych zostanie przypisany na podstawie tego, jak ściśle pasuje do punktów w zestawie treningowym.
LightGBM	LightGBM to struktura zwiększająca gradient, która korzysta z algorytmów uczenia opartego na drzewie.
LinearSVM	Maszyna wektorów nośnych (SVM) to nadzorowany model uczenia maszynowego, który używa algorytmów klasyfikacji dla problemów z klasyfikacją dwugrupową. Po podaniu zestawów modeli SVM oznaczonych danymi treningowym dla każdej kategorii są one w stanie kategoryzować nowy tekst. Liniowa maszyna wektorów nośnych działa najlepiej, gdy dane wejściowe są liniowe, tj. dane można łatwo sklasyfikować, rysując linię prostą między wartościami sklasyfikowanymi na wykresie wykreślonym.
LogisticRegression	Regresja logistyczna to podstawowa technika klasyfikacji. Należy do grupy klasyfikatorów liniowych i jest nieco podobny do regresji wielomianowej i liniowej. Regresja logistyczna jest szybka i stosunkowo nieskomplikowana i jest wygodna w interpretowaniu wyników. Chociaż jest to zasadniczo metoda klasyfikacji binarnej, może być również stosowana do problemów wieloklasowych.
MultinomialNaiveBayes	Wielomianowy klasyfikator Bayesa nadaje się do klasyfikacji z dyskretnymi cechami (np. liczba wyrazów do klasyfikacji tekstu). Rozkład wielomianowy zwykle wymaga liczb całkowitych. Jednak w praktyce mogą również działać liczby ułamkowe, takie jak tf-idf.
RandomForest	Las losowy to algorytm uczenia nadzorowanego. "Las", który buduje, jest zespołem drzew decyzyjnych, zwykle wyszkolonych za pomocą metody "bagging". Ogólną ideą metody baggingu jest to, że połączenie modeli uczenia zwiększa ogólny wynik.
SGD	SGD: Stochastic gradient spadek jest algorytmem optymalizacji często używanym w aplikacjach uczenia maszynowego do znajdowania parametrów modelu, które odpowiadają najlepszemu dopasowaniu między przewidywanymi i rzeczywistymi danymi wyjściowymi.
SVM	Maszyna wektorów nośnych (SVM) to nadzorowany model uczenia maszynowego, który używa algorytmów klasyfikacji dla problemów z klasyfikacją dwugrupową. Po podaniu zestawów modeli SVM oznaczonych danymi treningowym dla każdej kategorii są one w stanie kategoryzować nowy tekst.
XGBoostClassifier	XGBoost: ekstremalny algorytm zwiększania gradientu. Ten algorytm jest używany do danych strukturalnych, w których wartości kolumn docelowych można podzielić na odrębne wartości klas.