RegressionModels type
Definiuje wartości dla modelu RegressionModels.
ZnaneRegressionModels można używać zamiennie z modelami RegressionModel. To wyliczenie zawiera znane wartości obsługiwane przez usługę.
Znane wartości obsługiwane przez usługę
ElasticNet: Sieć elastyczna jest popularnym typem regresji liniowej regularyzowanej, która łączy dwie popularne kary, w szczególności funkcje kary L1 i L2.
GradientBoosting: Technika przechodzenia tygodni uczących się do silnego ucznia nazywa się Boosting. Proces algorytmu zwiększania gradientu działa na tej teorii wykonywania.
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.
KNN: algorytm K najbliższych sąsiadów (KNN) używa "podobieństwa cech", aby przewidzieć wartości nowych punktów danych, co dodatkowo oznacza, że nowy punkt danych zostanie przypisany wartość na podstawie tego, jak ściśle pasuje do punktów w zestawie treningowym.
LassoLars: Model Lasso pasuje do regresji najmniejszych kątów a.k.a. Lars. Jest to model liniowy trenowany z L1 wcześniej jako regularyzator.
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.
Jest to nieistniena, ale potężna technika.
RandomForest: las losowy jest algorytmem 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.
ExtremeRandomTrees: Extreme Trees to algorytm uczenia maszynowego, który łączy przewidywania z wielu drzew decyzyjnych. Jest to związane z powszechnie używanym algorytmem lasu losowego.
LightGBM: LightGBM to struktura zwiększająca gradient, która korzysta z algorytmów uczenia opartego na drzewie.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor to nadzorowany model uczenia maszynowego korzystający z zestawu uczniów podstawowych.
type RegressionModels = string