KnownRegressionModels enum

Pakiet:

@azure/arm-machinelearning

Znane wartości modelu RegressionModels , które akceptuje usługa.

Pola

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.
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.
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.
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.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor to nadzorowany model uczenia maszynowego korzystający z zespołu uczniów podstawowych.