KnownForecastingModels enum

Balíček:

@azure/arm-machinelearning

Známé hodnoty ForecastingModels, které služba přijímá.

Pole

Arimax	Model ARIMAX (Autoregressive Integrated Moving Average) s vysvětlující proměnnou (ARIMAX) lze zobrazit jako více regresních modelů s jedním nebo více termíny autoregresivního (AR) a/nebo jedním nebo více termíny klouzavého průměru (MA). Tato metoda je vhodná pro prognózování, kdy jsou data statickou/nehybnou, a multivariát s jakýmkoli typem datového vzoru, tj. úroveň/trend /sezónnost/cykličnost.
AutoArima	Model ARIMA (Auto-Autoregressive Integrated Moving Average) používá data časových řad a statistickou analýzu k interpretaci dat a provádění budoucích předpovědí. Cílem tohoto modelu je vysvětlit data pomocí dat časových řad na jejich minulých hodnotách a používá lineární regresi k vytváření předpovědí.
Average	Model průměrné prognózy vytváří předpovědi tak, že přenese průměr cílových hodnot pro každou časovou řadu v trénovacích datech.
DecisionTree	Rozhodovací stromy představují metodu učení, která není parametrická pod dohledem, která se používá pro úlohy klasifikace i regrese. Cílem je vytvořit model, který predikuje hodnotu cílové proměnné učením jednoduchých rozhodovacích pravidel odvozených z datových funkcí.
ElasticNet	Elastická síť je oblíbený typ regularizované lineární regrese, který kombinuje dvě oblíbené sankce, konkrétně funkce trestů L1 a L2.
ExponentialSmoothing	Exponenciální vyhlazování je metoda prognózování časových řad pro jednovariátní data, která lze rozšířit tak, aby podporovala data s systematickým trendem nebo sezónní komponentou.
ExtremeRandomTrees	Extreme Trees je algoritmus strojového učení, který kombinuje předpovědi z mnoha rozhodovacích stromů. Souvisí s široce používaným algoritmem náhodné doménové struktury.
GradientBoosting	Technika průchodu týdenních učení do silného učení se nazývá Boosting. Proces přechodu podporující algoritmus funguje na této teorii provádění.
KNN	Algoritmus K-nejbližších sousedů (KNN) používá k predikci hodnot nových datových bodů "podobnost funkce", což dále znamená, že nový datový bod bude přiřazen hodnotu na základě toho, jak přesně odpovídá bodům v trénovací sadě.
LassoLars	Nepravidelný model se vejde s regresí nejmenšího úhlu a.k.a. Lars. Jedná se o lineární model vytrénovaný pomocí L1 předchozího jako regularizátoru.
LightGBM	LightGBM je architektura pro zvýšení přechodu, která používá algoritmy učení založené na stromech.
Naive	Model naivní prognózování vytváří předpovědi tím, že předává nejnovější cílovou hodnotu pro každou časovou řadu v trénovacích datech.
Prophet	Prorok je procedura pro prognózování dat časových řad na základě doplňkového modelu, ve kterém se nelineární trendy vejdou s ročním, týdenním a denním sezónním efektem a efekty svátků. Nejlépe funguje s časovými řadami, které mají silné sezónní účinky a několik sezón historických dat. Prorok je robustní pro chybějící data a posuny v trendu a obvykle zpracovává odlehlé hodnoty dobře.
RandomForest	Náhodná doménová struktura je algoritmus učení pod dohledem. "Les", který vytváří, je soubor rozhodovacích stromů, obvykle trénovaný metodou "sáček". Obecná myšlenka metody baggingu spočívá v tom, že kombinace modelů učení zvyšuje celkový výsledek.
SeasonalAverage	Model prognózování sezónního průměru vytváří předpovědi tím, že předává průměrnou hodnotu nejnovější sezóny dat pro každou časovou řadu v trénovacích datech.
SeasonalNaive	Model sezónních naivních prognóz vytváří předpovědi tím, že provádí nejnovější sezónu cílových hodnot pro každou časovou řadu v trénovacích datech.
SGD	SGD: Stochastic gradientní sestup je optimalizační algoritmus, který se často používá v aplikacích strojového učení k vyhledání parametrů modelu, které odpovídají nejlepšímu přizpůsobení mezi predikovanými a skutečnými výstupy. Je to nevýkonná, ale výkonná technika.
TCNForecaster	TCNForecaster: Dočasný konvoluční sítě Forecaster. ÚKOL: Zeptejte se týmu prognózování na stručný úvod.
XGBoostRegressor	XGBoostRegressor: Extrémní gradient boosting Regressor je model strojového učení pod dohledem využívající soubor základních učení.