KnownClassificationModels enum
Nilai yang diketahui dari ClassificationModels yang diterima layanan.
Bidang
| BernoulliNaiveBayes | Pengklasifikasi Naive Bayes untuk model Bernoulli multivariat. |
| DecisionTree | Pohon Keputusan adalah metode pembelajaran yang diawasi non-parametrik yang digunakan untuk tugas klasifikasi dan regresi. Tujuannya adalah untuk membuat model yang memprediksi nilai variabel target dengan mempelajari aturan keputusan sederhana yang disimpulkan dari fitur data. |
| ExtremeRandomTrees | Pohon Ekstrem adalah algoritma pembelajaran mesin ansambel yang menggabungkan prediksi dari banyak pohon keputusan. Ini terkait dengan algoritma hutan acak yang banyak digunakan. |
| GradientBoosting | Teknik pelajar transit minggu menjadi pelajar yang kuat disebut Boosting. Proses algoritma peningkatan gradien bekerja pada teori eksekusi ini. |
| KNN | Algoritma tetangga terdekat K (KNN) menggunakan 'kesamaan fitur' untuk memprediksi nilai titik data baru yang selanjutnya berarti bahwa titik data baru akan diberi nilai berdasarkan seberapa dekat cocok dengan poin dalam set pelatihan. |
| LightGBM | LightGBM adalah kerangka kerja peningkatan gradien yang menggunakan algoritma pembelajaran berbasis pohon. |
| LinearSVM | Mesin vektor dukungan (SVM) adalah model pembelajaran mesin yang diawasi yang menggunakan algoritma klasifikasi untuk masalah klasifikasi dua grup. Setelah memberikan set model SVM dari data pelatihan berlabel untuk setiap kategori, mereka dapat mengategorikan teks baru. SVM linier berkinerja terbaik ketika data input linier, yaitu, data dapat dengan mudah diklasifikasikan dengan menggambar garis lurus antara nilai yang diklasifikasikan pada grafik yang diplot. |
| LogisticRegression | Regresi logistik adalah teknik klasifikasi mendasar. Ini termasuk dalam kelompok pengklasifikasi linier dan agak mirip dengan regresi polinomial dan linier. Regresi logistik cepat dan relatif tidak rumit, dan nyaman bagi Anda untuk menafsirkan hasilnya. Meskipun pada dasarnya merupakan metode untuk klasifikasi biner, metode ini juga dapat diterapkan pada masalah multikelas. |
| MultinomialNaiveBayes | Pengklasifikasi Naive Bayes multinomial cocok untuk klasifikasi dengan fitur diskrit (misalnya, jumlah kata untuk klasifikasi teks). Distribusi multinomial biasanya memerlukan jumlah fitur bilangan bulat. Namun, dalam praktiknya, jumlah pecahan seperti tf-idf juga dapat berfungsi. |
| RandomForest | Hutan acak adalah algoritma pembelajaran yang diawasi. "forest" yang dibangunnya, adalah ansambel pohon keputusan, biasanya dilatih dengan metode "bagging". Gagasan umum dari metode bagging adalah bahwa kombinasi model pembelajaran meningkatkan hasil keseluruhan. |
| SGD | SGD: Penurunan gradien stochastic adalah algoritma pengoptimalan yang sering digunakan dalam aplikasi pembelajaran mesin untuk menemukan parameter model yang sesuai dengan yang paling sesuai antara output yang diprediksi dan aktual. |
| SVM | Mesin vektor dukungan (SVM) adalah model pembelajaran mesin yang diawasi yang menggunakan algoritma klasifikasi untuk masalah klasifikasi dua grup. Setelah memberikan set model SVM dari data pelatihan berlabel untuk setiap kategori, mereka dapat mengategorikan teks baru. |
| XGBoostClassifier | XGBoost: Algoritma Peningkatan Gradien Ekstrem. Algoritma ini digunakan untuk data terstruktur di mana nilai kolom target dapat dibagi menjadi nilai kelas yang berbeda. |