KnownForecastingModels enum

Pakiet:

@azure/arm-machinelearning

Znane wartości elementów ForecastingModels , które akceptuje usługa.

Pola

Arimax	Model Autoregressive Integrated Moving Average with ARIMAX (Autoregressive Integrated Moving Average with ARIMAX) może być postrzegany jako model regresji wielokrotnej z co najmniej jednym terminem autoregresywnym (AR) i/lub co najmniej jednym terminem średniej ruchomej (MA). Ta metoda jest odpowiednia do prognozowania, gdy dane są stacjonarne/nieruchome i wielowariancyjne z dowolnym typem wzorca danych, tj. poziom/trend /sezonowość/cykliczność.
AutoArima	Model automatycznego wprowadzania danych ze zintegrowanej średniej ruchomej (ARIMA) używa danych szeregów czasowych i analizy statystycznej w celu interpretowania danych i tworzenia przyszłych przewidywań. Ten model ma na celu wyjaśnienie danych przy użyciu danych szeregów czasowych w poprzednich wartościach i używa regresji liniowej do przewidywania.
Average	Model prognozowania Average tworzy przewidywania, przenosząc średnią wartości docelowych dla każdej serii czasowej w danych treningowych.
DecisionTree	Drzewa decyzyjne to nieparatyczna metoda uczenia nadzorowanego używana zarówno do zadań klasyfikacji, jak i regresji. Celem jest utworzenie modelu, który przewiduje wartość zmiennej docelowej, ucząc się prostych reguł decyzyjnych wywnioskowanych z funkcji danych.
ElasticNet	Elastyczna sieć to popularny typ regularnej regresji liniowej, która łączy dwie popularne kary, w szczególności funkcje kary L1 i L2.
ExponentialSmoothing	Smoothing wykładniczy to metoda prognozowania szeregów czasowych dla niewariancji danych, które można rozszerzyć, aby obsługiwać dane z systematycznym trendem lub składnikiem sezonowym.
ExtremeRandomTrees	Extreme Trees to algorytm uczenia maszynowego zespołu, który łączy przewidywania z wielu drzew decyzyjnych. Jest to związane z powszechnie używanym algorytmem lasu losowego.
GradientBoosting	Technika przejścia tygodnia uczniów do silnego ucznia nazywa się Boosting. Proces algorytmu zwiększania gradientu działa na tej teorii wykonywania.
KNN	Algorytm K najbliższych sąsiadów (KNN) używa "podobieństwa funkcji", aby przewidzieć wartości nowych punktów danych, co oznacza, że nowy punkt danych zostanie przypisany do wartości w zależności od tego, jak ściśle pasuje do punktów w zestawie treningowym.
LassoLars	Model Lasso pasuje do regresji najmniejszych kątów a.a. Lars. Jest to model liniowy wytrenowany z L1 wcześniej jako regularizer.
LightGBM	LightGBM to struktura zwiększająca gradient, która używa algorytmów uczenia opartego na drzewie.
Naive	Model prognozowania naiwnego tworzy przewidywania, przekazując najnowszą wartość docelową dla każdej serii czasowej w danych treningowych.
Prophet	Prorok jest procedurą prognozowania danych szeregów czasowych na podstawie modelu addytywnego, w którym trendy nieliniowe są dopasowane do rocznej, tygodniowej i dziennej sezonowości oraz efektów świątecznych. Działa najlepiej z szeregami czasowymi, które mają silne efekty sezonowe i kilka sezonów danych historycznych. Prorok jest niezawodny w przypadku braku danych i zmian w trendzie i zazwyczaj obsługuje wartości odstające.
RandomForest	Las losowy to algorytm uczenia nadzorowanego. "Las", który buduje, jest zespołem drzew decyzyjnych, zwykle wyszkolonych przy użyciu metody "bagging". Ogólną ideą metody baggingu jest to, że kombinacja modeli szkoleniowych zwiększa ogólny wynik.
SeasonalAverage	Model prognozowania średniej sezonowej tworzy przewidywania, przenosząc średnią wartość najnowszego sezonu danych dla każdego szeregu czasowego w danych treningowych.
SeasonalNaive	Model prognozowania sezonowego naiwnego tworzy przewidywania, przenosząc do przodu najnowszy sezon wartości docelowych dla każdego szeregu czasowego w danych treningowych.
SGD	SGD: Spadek gradientu stochastycznego jest algorytmem optymalizacji często używanym w aplikacjach uczenia maszynowego do znajdowania parametrów modelu, które odpowiadają najlepszemu dopasowaniu między przewidywanymi i rzeczywistymi danymi wyjściowymi. Jest to niewykonań, ale potężna technika.
TCNForecaster	TCNForecaster: Czasowy prognostyk sieci konwolucyjnych. TODO: Poproś zespół prognozujący o krótkie wprowadzenie.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor to nadzorowany model uczenia maszynowego korzystający z zespołu uczniów podstawowych.