KnownClassificationModels enum

الحزمة:

@azure/arm-machinelearning

القيم المعروفة ClassificationModels التي تقبلها الخدمة.

الحقول

BernoulliNaiveBayes	مصنف Naive Bayes لنماذج Bernoulli متعددة المتغيرات.
DecisionTree	أشجار القرار هي طريقة تعلم خاضعة للإشراف غير المعلمي تستخدم لكل من مهام التصنيف والانحدار. الهدف هو إنشاء نموذج يتنبأ بقيمة المتغير الهدف من خلال تعلم قواعد القرار البسيطة المستنتجة من ميزات البيانات.
ExtremeRandomTrees	الأشجار المتطرفة هي خوارزمية التعلم الآلي التي تجمع بين التنبؤات من العديد من أشجار القرار. وهو مرتبط خوارزمية الغابة العشوائية المستخدمة على نطاق واسع.
GradientBoosting	تسمى تقنية عبور متعلمي الأسبوع إلى متعلم قوي تعزيز. تعمل عملية الخوارزمية المعززة للتدرج على نظرية التنفيذ هذه.
KNN	تستخدم خوارزمية K-near neighbors (KNN) "تشابه الميزة" للتنبؤ بقيم نقاط البيانات الجديدة مما يعني أيضا أنه سيتم تعيين قيمة لنقطة البيانات الجديدة استنادا إلى مدى تطابقها مع النقاط في مجموعة التدريب.
LightGBM	LightGBM هو إطار عمل لتعزيز التدرج يستخدم خوارزميات التعلم المستندة إلى الشجرة.
LinearSVM	جهاز متجه الدعم (SVM) هو نموذج تعلم آلي خاضع للإشراف يستخدم خوارزميات التصنيف لمشاكل التصنيف المكونة من مجموعتين. بعد إعطاء مجموعات نماذج SVM من بيانات التدريب المسماة لكل فئة، يمكنهم تصنيف نص جديد. يعمل SVM الخطي بشكل أفضل عندما تكون بيانات الإدخال خطية، أي يمكن تصنيف البيانات بسهولة عن طريق رسم الخط المستقيم بين القيم المصنفة على رسم بياني رسومي.
LogisticRegression	الانحدار اللوجستي هو تقنية تصنيف أساسية. وهو ينتمي إلى مجموعة المصنفات الخطية وهو مشابه إلى حد ما للتراجع متعدد الحدود والخطي. التراجع اللوجستي سريع وغير معقدة نسبيا، ومن الملائم لك تفسير النتائج. على الرغم من أنها في الأساس طريقة للتصنيف الثنائي، إلا أنه يمكن تطبيقها أيضا على المشكلات متعددة الطبقات.
MultinomialNaiveBayes	يعد مصنف Naive Bayes متعدد الحدود مناسبا للتصنيف بميزات منفصلة (على سبيل المثال، عدد الكلمات لتصنيف النص). يتطلب التوزيع متعدد الحدود عادة عدد ميزات عدد صحيح. ومع ذلك، من الناحية العملية، قد تعمل أيضا أعداد كسرية مثل tf-idf.
RandomForest	الغابة العشوائية هي خوارزمية تعلم خاضعة للإشراف. "الغابة" التي تبنيها، هي مجموعة من أشجار القرار، وعادة ما يتم تدريبها باستخدام طريقة "وضع العلامات". الفكرة العامة لأسلوب وضع العلامات هي أن مجموعة من نماذج التعلم تزيد من النتيجة الإجمالية.
SGD	SGD: الانخفاض المتدرج العشوائي هو خوارزمية تحسين تستخدم غالبا في تطبيقات التعلم الآلي للعثور على معلمات النموذج التي تتوافق مع أفضل ملاءمة بين المخرجات المتوقعة والفعلية.
SVM	جهاز متجه الدعم (SVM) هو نموذج تعلم آلي خاضع للإشراف يستخدم خوارزميات التصنيف لمشاكل التصنيف المكونة من مجموعتين. بعد إعطاء مجموعات نماذج SVM من بيانات التدريب المسماة لكل فئة، يمكنهم تصنيف نص جديد.
XGBoostClassifier	XGBoost: خوارزمية تعزيز التدرج الشديد. يتم استخدام هذه الخوارزمية للبيانات المنظمة حيث يمكن تقسيم قيم العمود الهدف إلى قيم فئة مميزة.