KnownRegressionModels enum

Los árboles de decisión son un método de aprendizaje supervisado no paramétrico que se utiliza tanto para tareas de clasificación como de regresión. El objetivo es crear un modelo que prediga el valor de una variable objetivo mediante el aprendizaje de reglas de decisión simples inferidas a partir de las características de datos.

La red elástica es un tipo popular de regresión lineal regularizada que combina dos penalizaciones populares, específicamente las funciones de penalización L1 y L2.

Extreme Trees es 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.

La técnica de transición de los estudiantes de la semana a un aprendiz fuerte se llama Boosting. El proceso del algoritmo de aumento de gradiente funciona con esta teoría de ejecución.

El algoritmo K-vecinos más cercanos (KNN) utiliza la "similitud de características" para predecir los valores de los nuevos puntos de datos, lo que significa que al nuevo punto de datos se le asignará un valor basado en qué tan cerca coincida con los puntos en el conjunto de entrenamiento.

Ajuste del modelo Lasso con regresión de ángulo mínimo, también conocido como Lars. Es un Modelo Lineal entrenado con un L1 previo como regularizador.

LightGBM es un marco de aumento de gradiente que utiliza algoritmos de aprendizaje basados en árboles.

El bosque aleatorio es un algoritmo de aprendizaje supervisado. El "bosque" que construye, es un conjunto de árboles de decisión, generalmente entrenados con el método de "embolsado". La idea general del método de embolsado es que una combinación de modelos de aprendizaje aumenta el resultado general.

SGD: El descenso de gradiente estocástico es un algoritmo de optimización que se usa a menudo en aplicaciones de aprendizaje automático para encontrar los parámetros del modelo que corresponden al mejor ajuste entre los resultados previstos y reales. Es una técnica inexacta pero poderosa.

XGBoostRegressor: Extreme Gradient Boosting Regressor es un modelo de aprendizaje automático supervisado que utiliza un conjunto de aprendices base.