RegressionModels type
Define valores para RegressionModels.
KnownRegressionModels pode ser usado intercambiável com RegressionModels, essa enumeração contém os valores conhecidos aos quais o serviço dá suporte.
Valores conhecidos compatíveis com o serviço
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.
GradientBoosting: a técnica de transitar alunos da semana para um aluno forte é chamada de Boosting. O processo de algoritmo de aumento de gradiente funciona nessa teoria da execução.
DecisionTree: As 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.
KNN: o algoritmo KNN (K-nearest neighbors) 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 lasso se encaixa com a Regressão de Ângulo Mínimo, também conhecida como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador.
SGD: SGD: a descida do gradiente estocástico 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.
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.
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.
LightGBM: LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor é um modelo de machine learning supervisionado usando um conjunto de alunos base.
type RegressionModels = string