KnownRegressionModels enum
Valores conhecidos de RegressionModels que o serviço aceita.
Campos
| DecisionTree | Árvores de Decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. A meta é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas dos recursos de dados. |
| ElasticNet | A rede elástica é um tipo popular de regressão linear regularizada que combina duas penalidades populares, especificamente as funções de penalidade L1 e L2. |
| ExtremeRandomTrees | Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Ele está relacionado ao algoritmo de floresta aleatória amplamente utilizado. |
| GradientBoosting | A técnica de transitar alunos da semana em um aluno forte é chamada de Impulsionamento. O processo de algoritmo de aumento de gradiente funciona nessa teoria da execução. |
| KNN | O algoritmo KNN (vizinhos mais próximos de K) usa "similaridade de recurso" para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base na proximidade com que ele corresponde aos pontos no conjunto de treinamento. |
| LassoLars | O modelo de laço se encaixa com a Regressão de Ângulo Mínimo, também conhecida como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador. |
| LightGBM | LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore. |
| RandomForest | A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ela constrói é um conjunto de árvores de decisão, geralmente treinadas com o método de "ensacar". A ideia geral do método de empacotamento é que uma combinação de modelos de aprendizado aumenta o resultado geral. |
| SGD | SGD: descendente de gradiente stocástico é um algoritmo de otimização geralmente usado em aplicativos de machine learning para localizar os parâmetros de modelo que correspondem ao melhor ajuste entre saídas previstas e reais. É uma técnica inexata, mas poderosa. |
| XGBoostRegressor | XGBoostRegressor: O Regressor de Aumento de Gradiente Extremo é um modelo supervisionado de machine learning usando um conjunto de alunos base. |