KnownClassificationModels enum

Paquete:

@azure/arm-machinelearning

Los valores conocidos de ClassificationModels que acepta el servicio.

Campos

BernoulliNaiveBayes	Clasificador Bayes naive para modelos bernoulli multivariante.
DecisionTree	Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se usa para las tareas de clasificación y regresión. El objetivo es crear un modelo que prediga el valor de una variable de destino mediante el aprendizaje de reglas de decisión sencillas inferidas de las características de datos.
ExtremeRandomTrees	Los árboles extremos son un algoritmo de aprendizaje automático de conjunto que combina las predicciones de muchos árboles de decisión. Está relacionado con el algoritmo de bosque aleatorio ampliamente utilizado.
GradientBoosting	La técnica de transitar estudiantes de semana en un aprendiz fuerte se denomina Boosting. El proceso del algoritmo de aumento de degradado funciona en esta teoría de ejecución.
KNN	El algoritmo de vecinos más próximos (KNN) usa "similitud de características" para predecir los valores de nuevos puntos de datos, lo que significa que el nuevo punto de datos se asignará a un valor en función de la estrecha relación con los puntos del conjunto de entrenamiento.
LightGBM	LightGBM es un marco de potenciación de degradado que usa algoritmos de aprendizaje basados en árboles.
LinearSVM	Una máquina de vectores de compatibilidad (SVM) es un modelo de aprendizaje automático supervisado que usa algoritmos de clasificación para problemas de clasificación de dos grupos. Después de proporcionar un conjunto de modelos SVM de datos de entrenamiento etiquetados para cada categoría, pueden clasificar el texto nuevo. La SVM lineal funciona mejor cuando los datos de entrada son lineales, es decir, los datos se pueden clasificar fácilmente dibujando la línea recta entre valores clasificados en un gráfico trazado.
LogisticRegression	La regresión logística es una técnica de clasificación fundamental. Pertenece al grupo de clasificadores lineales y es algo similar a la regresión polinómica y lineal. La regresión logística es rápida y relativamente sin complicar, y es conveniente que interprete los resultados. Aunque básicamente es un método para la clasificación binaria, también se puede aplicar a problemas de varias clases.
MultinomialNaiveBayes	El clasificador Bayes naive multinomial es adecuado para la clasificación con características discretas (por ejemplo, recuentos de palabras para la clasificación de texto). Normalmente, la distribución multinomial requiere recuentos de características enteras. Sin embargo, en la práctica, los recuentos fraccionarios como tf-idf también pueden funcionar.
RandomForest	El bosque aleatorio es un algoritmo de aprendizaje supervisado. El "bosque" que crea, es un conjunto de árboles de decisión, normalmente entrenados con el método "etiquetado". La idea general del método de etiquetado es que una combinación de modelos de aprendizaje aumenta el resultado general.
SGD	SGD: el descenso del degradado estocástico es un algoritmo de optimización que se usa a menudo en las aplicaciones de aprendizaje automático para encontrar los parámetros del modelo que corresponden al mejor ajuste entre las salidas predichos y reales.
SVM	Una máquina de vectores de compatibilidad (SVM) es un modelo de aprendizaje automático supervisado que usa algoritmos de clasificación para problemas de clasificación de dos grupos. Después de proporcionar un conjunto de modelos SVM de datos de entrenamiento etiquetados para cada categoría, pueden clasificar el texto nuevo.
XGBoostClassifier	XGBoost: algoritmo de potenciación de degradado extremo. Este algoritmo se usa para los datos estructurados en los que los valores de columna de destino se pueden dividir en valores de clase distintos.