RegressionModels type
Definierar värden för RegressionModels.
KnownRegressionModels kan användas utbytbart med RegressionModels. Det här uppräkningen innehåller de kända värden som tjänsten stöder.
Kända värden som stöds av tjänsten
ElasticNet: Elastiskt nät är en populär typ av regulariserad linjär regression som kombinerar två populära straff, särskilt L1- och L2-strafffunktionerna.
GradientBoosting: Tekniken för att föra över veckostårarna till en stark elev kallas Förstärkning. Algoritmprocessen för toningshöjande fungerar med den här körningsteorin.
DecisionTree: Decision Trees är en icke-parametrisk övervakad inlärningsmetod som används för både klassificerings- och regressionsaktiviteter.
Målet är att skapa en modell som förutsäger värdet för en målvariabel genom att lära sig enkla beslutsregler som härleds från datafunktionerna.
KNN: KNN-algoritmen (K-nearest neighbors) använder "funktionslikhet" för att förutsäga värdena för nya datapunkter, vilket ytterligare innebär att den nya datapunkten tilldelas ett värde baserat på hur nära den matchar punkterna i träningsuppsättningen.
LassoLars: Lassomodell som passar med Least Angle Regression a.k.a. Lars. Det är en linjär modell som tränats med en L1 tidigare som regularizer.
SGD: SGD: Stochastic gradient descent är en optimeringsalgoritm som ofta används i maskininlärningsprogram för att hitta de modellparametrar som passar bäst mellan förutsagda och faktiska utdata.
Det är en inexakt men kraftfull teknik.
RandomForest: Slumpmässig skog är en övervakad inlärningsalgoritm.
Den "skog" som den bygger, är en ensemble av beslutsträd, vanligtvis tränad med metoden "bagging".
Den allmänna idén med påse-metoden är att en kombination av inlärningsmodeller ökar det övergripande resultatet.
ExtremeRandomTrees: Extreme Trees är en maskininlärningsalgoritm för ensembler som kombinerar förutsägelserna från många beslutsträd. Den är relaterad till den ofta använda slumpmässiga skogsalgoritmen.
LightGBM: LightGBM är ett gradient boost-ramverk som använder trädbaserade inlärningsalgoritmer.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor är en övervakad maskininlärningsmodell med en ensemble av grundläggande elever.
type RegressionModels = string