KnownClassificationModels enum

Paket:

@azure/arm-machinelearning

ClassificationModels'in bilinen değerleri, hizmetin kabul.

Alanlar

BernoulliNaiveBayes	Çok değişkenli Bernoulli modelleri için Naive Bayes sınıflandırıcısı.
DecisionTree	Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden elde edilen basit karar kurallarını öğrenerek hedef değişkenin değerini tahmin eden bir model oluşturmaktır.
ExtremeRandomTrees	Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir grup makine öğrenmesi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritmasıyla ilgilidir.
GradientBoosting	Hafta öğrencilerini güçlü bir öğrenciye geçirme tekniğine Boosting adı verilir. Gradyan artırma algoritması işlemi bu yürütme teorisi üzerinde çalışır.
KNN	K-nearest neighbors (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliği' kullanır ve bu da yeni veri noktasına eğitim kümesindeki noktaların ne kadar yakın olduğuna bağlı olarak bir değer atanacağı anlamına gelir.
LightGBM	LightGBM, ağaç tabanlı öğrenme algoritmaları kullanan bir gradyan artırma çerçevesidir.
LinearSVM	Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenmesi modelidir. Her kategori için bir SVM model kümesi etiketli eğitim verileri verdikten sonra, yeni metinleri kategorilere ayırabilir. Doğrusal SVM, giriş verileri doğrusal olduğunda en iyi performansı gösterir; yani veriler çizilmiş bir grafikteki sınıflandırılmış değerler arasında düz çizgi çizilerek kolayca sınıflandırılabilir.
LogisticRegression	Lojistik regresyon temel bir sınıflandırma tekniğidir. Doğrusal sınıflandırıcı grubuna aittir ve polinomsal ve doğrusal regresyona biraz benzer. Lojistik regresyon hızlı ve nispeten karmaşık değildir ve sonuçları yorumlamak sizin için uygundur. Temelde ikili sınıflandırma için bir yöntem olsa da, çok sınıflı sorunlara da uygulanabilir.
MultinomialNaiveBayes	Çok terimli Naive Bayes sınıflandırıcısı, ayrık özelliklerle sınıflandırma için uygundur (örneğin, metin sınıflandırması için sözcük sayıları). Çok terimli dağılım normalde tamsayı özellik sayılarını gerektirir. Ancak pratikte tf-idf gibi kesirli sayılar da çalışabilir.
RandomForest	Rastgele orman denetimli bir öğrenme algoritmasıdır. Inşa edilen "orman", genellikle "bagging" yöntemiyle eğitilen karar ağaçlarının bir grubudur. Bagging yönteminin genel fikri, öğrenme modellerinin bir bileşiminin genel sonucu artırmasıdır.
SGD	SGD: Stokastik gradyan azalma genellikle makine öğrenmesi uygulamalarında tahmin edilen ve gerçek çıkışlar arasında en uygun olan model parametrelerini bulmak için kullanılan bir iyileştirme algoritmasıdır.
SVM	Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenmesi modelidir. Her kategori için bir SVM model kümesi etiketli eğitim verileri verdikten sonra, yeni metinleri kategorilere ayırabilir.
XGBoostClassifier	XGBoost: Aşırı Gradyan Artırma Algoritması. Bu algoritma, hedef sütun değerlerinin ayrı sınıf değerlerine bölünebildiği yapılandırılmış veriler için kullanılır.