RegressionModels type
Definiert Werte für RegressionModels.
KnownRegressionModels kann austauschbar mit RegressionModels verwendet werden. Diese Enumeration enthält die bekannten Werte, die der Dienst unterstützt.
Bekannte Werte, die vom Dienst unterstützt werden
ElasticNet: Elastisches Netz ist eine beliebte Art der regulären linearen Regression, die zwei gängige Strafen kombiniert, insbesondere die Funktionen L1 und L2.
GradientBoosting: Die Technik der Übertragung von Wochenlernenden in einen starken Lernenden heißt Boosting. Der Prozess des Gradient Boosting-Algorithmus arbeitet mit dieser Theorie der Ausführung.
DecisionTree: Entscheidungsstrukturen sind eine nicht parametrisch überwachte Lernmethode, die sowohl für Klassifizierungs- als auch Regressionsaufgaben verwendet wird.
Das Ziel besteht darin, ein Modell zu erstellen, das den Wert einer Zielvariable vorhersagt, indem einfache Entscheidungsregeln erlernt werden, die aus den Datenfeatures abgeleitet werden.
KNN: K-nearest neighbors (KNN)-Algorithmus verwendet "Featureähnlichkeit", um die Werte neuer Datenpunkte vorherzusagen. Dies bedeutet außerdem, dass dem neuen Datenpunkt ein Wert zugewiesen wird, der darauf basiert, wie eng er den Punkten im Trainingssatz entspricht.
LassoLars: Lassomodell passt mit Least Angle Regression a.k.a. Lars. Es handelt sich um ein lineares Modell, das zuvor mit einem L1 als Regularizer trainiert wurde.
SGD: SGD: Stochastischer Gradientenabstieg ist ein Optimierungsalgorithmus, der häufig in Machine Learning-Anwendungen verwendet wird, um die Modellparameter zu finden, die der besten Übereinstimmung zwischen vorhergesagten und tatsächlichen Ausgaben entsprechen.
Es ist eine ungenaue, aber leistungsstarke Technik.
RandomForest: Random Forest ist ein überwachter Lernalgorithmus.
Der "Wald", den es aufbaut, ist ein Ensemble von Entscheidungsbäumen, die normalerweise mit der "Bagging"-Methode trainiert werden.
Die allgemeine Idee der Bagging-Methode ist, dass eine Kombination von Lernmodellen das Gesamtergebnis erhöht.
ExtremeRandomTrees: Extreme Trees ist ein Ensemble-Algorithmus für maschinelles Lernen, der die Vorhersagen aus vielen Entscheidungsstrukturen kombiniert. Es steht im Zusammenhang mit dem häufig verwendeten Zufallswaldalgorithmus.
LightGBM: LightGBM ist ein Framework zur Farbverlaufssteigerung, das baumbasierte Lernalgorithmen verwendet.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor ist ein überwachtes Machine Learning-Modell mit einem Ensemble von Basislernern.
type RegressionModels = string