RegressionModels type
Define valores para RegressionModels.
KnownRegressionModels se pueden usar indistintamente con RegressionModels, esta enumeración contiene los valores conocidos que admite el servicio.
Valores conocidos admitidos por el servicio
ElasticNet: Elastic net es un tipo popular de regresión lineal regularizada que combina dos penalizaciones populares, específicamente las funciones de penalización L1 y L2.
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.
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.
KNN: el algoritmo K-nearest vecinos (KNN) usa "similitud de características" para predecir los valores de nuevos puntos de datos, lo que significa que al nuevo punto de datos se le asignará un valor en función de la estrecha relación con los puntos del conjunto de entrenamiento.
LassoLars: modelo lasso se ajusta con regresión de ángulo mínimo a.k.a. Lars. Es un modelo lineal entrenado con un L1 anterior como regularizador.
SGD: SGD: descenso de 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.
Es una técnica inexacta pero eficaz.
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.
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.
LightGBM: LightGBM es un marco de potenciación de degradado que usa algoritmos de aprendizaje basados en árboles.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor es un modelo de aprendizaje automático supervisado mediante conjunto de alumnos base.
type RegressionModels = string