KnownClassificationModels enum
Os valores conhecidos de ClassificationModels que o serviço aceita.
Campos
| BernoulliNaiveBayes | Classificador Bayes ingênuo para modelos Bernoulli multivariados. |
| DecisionTree | As Árvores de Decisão são um método de aprendizagem supervisionada não paramétrico usado para tarefas de classificação e regressão. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados. |
| ExtremeRandomTrees | Extreme Trees é um algoritmo de aprendizado de máquina que combina as previsões de muitas árvores de decisão. Está relacionado com o algoritmo de floresta aleatória amplamente utilizado. |
| GradientBoosting | A técnica de transitar os alunos da semana para um aluno forte é chamada de Boosting. O processo do algoritmo de aumento de gradiente trabalha nesta teoria de execução. |
| KNN | O algoritmo K-nearest neighbors (KNN) usa 'similaridade de recursos' para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base em quão perto ele corresponde aos pontos no conjunto de treinamento. |
| LightGBM | LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizagem baseados em árvore. |
| LinearSVM | Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto. O SVM linear tem melhor desempenho quando os dados de entrada são lineares, ou seja, os dados podem ser facilmente classificados desenhando a linha reta entre os valores classificados em um gráfico plotado. |
| LogisticRegression | A regressão logística é uma técnica fundamental de classificação. Pertence ao grupo dos classificadores lineares e é um pouco semelhante à regressão polinomial e linear. A regressão logística é rápida e relativamente descomplicada, e é conveniente para você interpretar os resultados. Embora seja essencialmente um método para classificação binária, também pode ser aplicado a problemas de várias classes. |
| MultinomialNaiveBayes | O classificador Naive Bayes multinomial é adequado para classificação com características discretas (por exemplo, contagem de palavras para classificação de texto). A distribuição multinomial normalmente requer contagens de recursos inteiros. No entanto, na prática, contagens fracionárias como tf-idf também podem funcionar. |
| RandomForest | A floresta aleatória é um algoritmo de aprendizagem supervisionada. A "floresta" que constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método do "ensacamento". A ideia geral do método de ensacamento é que uma combinação de modelos de aprendizagem aumenta o resultado geral. |
| SGD | SGD: A descida de gradiente estocástico é um algoritmo de otimização frequentemente usado em aplicações de aprendizado de máquina para encontrar os parâmetros do modelo que correspondem ao melhor ajuste entre as saídas previstas e reais. |
| SVM | Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto. |
| XGBoostClassifier | XGBoost: Algoritmo de aumento de gradiente extremo. Este algoritmo é usado para dados estruturados onde os valores da coluna de destino podem ser divididos em valores de classe distintos. |