RegressionModels type

Výčet pro všechny regresní modely podporované AutoML.
KnownRegressionModels lze používat zaměnitelně s RegressionModels, tento enum obsahuje známé hodnoty, které služba podporuje.

Známé hodnoty podporované službou

ElasticNet: Elastic net je populární typ regularizované lineární regrese, která kombinuje dvě populární penalizace, konkrétně penalizační funkce L1 a L2.
GradientBoosting: Technika převedení žáků z týdne na silného žáka se nazývá Boosting. Proces algoritmu zvyšování gradientu pracuje na této teorii provádění.
DecisionTree: Decision Trees jsou neparametrická metoda řízeného učení používaná jak pro klasifikační, tak pro regresní úkoly. Cílem je vytvořit model, který předpovídá hodnotu cílové proměnné tím, že se naučí jednoduchá rozhodovací pravidla odvozená z datových funkcí.
KNN: Algoritmus K-nejbližších sousedů (KNN) používá "podobnost vlastností" k predikci hodnot nových datových bodů, což dále znamená, že novému datovému bodu bude přiřazena hodnota na základě toho, jak přesně odpovídá bodům v trénovací množině.
LassoLars: Model Lasso vhodný s Least Angle Regression, známým také jako Lars. Jedná se o lineární model trénovaný s L1 před regularizátorem.
SGD: SGD: Stochastický gradientní sestup je optimalizační algoritmus často používaný v aplikacích strojového učení k nalezení parametrů modelu, které odpovídají nejlepšímu shodování mezi předpovězenými a skutečnými výstupy. Je to nepřesná, ale účinná technika.
RandomForest: Random forest je algoritmus s řízeným učením. "Les", který buduje, je souborem rozhodovacích stromů, obvykle trénovaných metodou "pytlování". Obecná myšlenka metody balení je, že kombinace modelů učení zvyšuje celkový výsledek.
ExtremeRandomTrees: Extreme Trees je algoritmus strojového učení zaměřený na soubor, který kombinuje predikce z mnoha rozhodovacích stromů. Souvisí to s široce používaným algoritmem náhodného lesa.
LightGBM: LightGBM je rámec pro zvyšování gradientu, který využívá algoritmy učení založené na stromech.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor je supervidovaný model strojového učení využívající soubor základních studentů.