KnownRegressionModels enum

Les arbres de décision sont une méthode d’apprentissage supervisé non paramétrique utilisée pour les tâches de classification et de régression. L’objectif est de créer un modèle qui prédit la valeur d’une variable cible en apprenant des règles de décision simples déduites des caractéristiques de données.

Le filet élastique est un type populaire de régression linéaire régularisée qui combine deux pénalités populaires, à savoir les fonctions de pénalité L1 et L2.

Extreme Trees est un algorithme d’apprentissage automatique d’ensemble qui combine les prédictions de nombreux arbres de décision. Il est lié à l’algorithme de forêt aléatoire largement utilisé.

La technique de transformation des apprenants de la semaine en un apprenant fort s’appelle le Boosting. Le processus de l’algorithme de boosting de gradient fonctionne sur cette théorie de l’exécution.

L’algorithme KNN (K-nearest neighbors) utilise la « similarité des caractéristiques » pour prédire les valeurs des nouveaux points de données, ce qui signifie en outre que le nouveau point de données se verra attribuer une valeur en fonction de sa correspondance avec les points de l’ensemble d’apprentissage.

Modèle Lasso ajusté avec Régression du moindre angle, alias Lars. Il s’agit d’un modèle linéaire entraîné avec un a priori L1 comme régulariseur.

LightGBM est un framework de boosting de gradient qui utilise des algorithmes d’apprentissage basés sur des arbres.

La forêt aléatoire est un algorithme d’apprentissage supervisé. La « forêt » qu’il construit est un ensemble d’arbres de décision, généralement entraînés avec la méthode du « bagging ». L’idée générale de la méthode d’ensachage est qu’une combinaison de modèles d’apprentissage augmente le résultat global.

SGD : La descente de gradient stochastique est un algorithme d’optimisation souvent utilisé dans les applications d’apprentissage automatique pour trouver les paramètres du modèle qui correspondent au meilleur ajustement entre les sorties prévues et réelles. C’est une technique inexacte mais puissante.

XGBoostRegressor : Extreme Gradient Boosting Regressor est un modèle d’apprentissage automatique supervisé utilisant un ensemble d’apprenants de base.