KnownForecastingModels enum

Csomag:

@azure/arm-machinelearning

A szolgáltatás által elfogadott ForecastingModels ismert értékei.

Mezők

Arimax	Az autoregresszív integrált mozgóátlag magyarázó változóval (ARIMAX) több regressziós modellként tekinthető meg egy vagy több automatikus regressziós (AR) kifejezéssel és/vagy egy vagy több mozgóátlag (MA) kifejezéssel. Ez a módszer alkalmas előrejelzésre, ha az adatok helyhez kötöttek/nem helyhez kötöttek, és többváltozósak bármilyen típusú adatmintával, például szint/trend /szezonalitás/ciklikusság esetén.
AutoArima	Az autoregresszív integrált mozgóátlag (ARIMA) modell idősoros adatokat és statisztikai elemzéseket használ az adatok értelmezéséhez és jövőbeli előrejelzések készítéséhez. Ez a modell az adatok magyarázatára törekszik a múltbeli értékek idősoradataival, és lineáris regressziót használ az előrejelzések készítéséhez.
Average	Az Átlagos előrejelzési modell úgy készít előrejelzéseket, hogy a betanítási adatokban az egyes idősorok célértékeinek átlagát viszi tovább.
DecisionTree	A döntési fák egy nem parametrikus felügyelt tanulási módszer, amely mind a besorolási, mind a regressziós feladatokhoz használható. A cél egy olyan modell létrehozása, amely előrejelzi a célváltozó értékét az adatfunkciókból levont egyszerű döntési szabályok elsajátításával.
ElasticNet	A rugalmas háló a rendszeresített lineáris regresszió népszerű típusa, amely két népszerű büntetést kombinál, különösen az L1 és L2 büntetési függvényeket.
ExponentialSmoothing	Az exponenciális simítás egy idősor-előrejelzési módszer az egyváltozós adatokhoz, amelyek kiterjeszthetők a szisztematikus trendet vagy szezonális összetevőt használó adatok támogatására.
ExtremeRandomTrees	Az Extreme Trees egy együttes gépi tanulási algoritmus, amely számos döntési fa előrejelzéseit egyesíti. Ez a széles körben használt véletlenszerű erdő algoritmushoz kapcsolódik.
GradientBoosting	A heti tanulók erős tanulóba való átvitelének technikáját a Boostingnak nevezzük. A színátmenet-növelő algoritmus folyamata ezen a végrehajtási elméleten működik.
KNN	A K-legközelebbi szomszéd (KNN) algoritmus a "funkció-hasonlóság" használatával előrejelzi az új adatpontok értékeit, ami azt is jelenti, hogy az új adatponthoz a betanítási csoport pontjainak megfelelő érték lesz hozzárendelve.
LassoLars	A lasszós modell illeszkedik a Legkisebb szög regresszióhoz, más néven Larshoz. Ez egy lineáris modell, amely egy L1-előddel van betanítve rendszeresítőként.
LightGBM	A LightGBM egy gradiens növelő keretrendszer, amely faalapú tanulási algoritmusokat használ.
Naive	A Naive előrejelzési modell úgy készít előrejelzéseket, hogy a betanítási adatok minden egyes idősorához a legújabb célértéket továbbítja.
Prophet	A Prophet egy olyan eljárás az idősoradatok előrejelzésére egy additív modell alapján, ahol a nem lineáris trendek illeszkednek az éves, heti és napi szezonalitáshoz, valamint az ünnepi hatásokhoz. A legjobban olyan idősorokkal működik, amelyek erős szezonális hatással és számos előzményadat-szezonnal rendelkeznek. A Prophet robusztus az adatok hiányára és a trendváltásokra, és általában jól kezeli a kiugró értékeket.
RandomForest	A véletlenszerű erdő egy felügyelt tanulási algoritmus. Az általa épített "erdő" döntési fák együttese, amely általában a "zsákolás" módszerrel van betanítve. A zsákolásos módszer általános elképzelése, hogy a tanulási modellek kombinációja növeli az általános eredményt.
SeasonalAverage	A szezonális átlag előrejelzési modell úgy készít előrejelzéseket, hogy a betanítási adatok minden egyes idősorához a legújabb adatsorok átlagos értékét viszi tovább.
SeasonalNaive	A szezonális naiv előrejelzési modell úgy készít előrejelzéseket, hogy a betanítási adatok minden egyes idősorához a célértékek legújabb szezonját továbbítja.
SGD	SGD: A sztochasztikus gradiens-süllyedés egy optimalizálási algoritmus, amelyet gyakran használnak gépi tanulási alkalmazásokban az előrejelzett és a tényleges kimenetek közötti legjobb illeszkedésnek megfelelő modellparaméterek megtalálásához. Ez egy nem praktikus, de hatékony technika.
TCNForecaster	TCNForecaster: Temporális konvolúciós hálózatok előrejelzése. TODO: Kérjen rövid bevezetést az előrejelzési csapattól.
XGBoostRegressor	XGBoostRegressor: Extreme Gradient Boosting Regressor egy felügyelt gépi tanulási modell, amely alaptanulók együttesét használja.