KnownClassificationModels enum

Classificatore Naive Bayes per modelli multivariati di Bernoulli.

Gli alberi decisionali sono un metodo di apprendimento supervisionato non parametrico utilizzato sia per le attività di classificazione che per quelle di regressione. L'obiettivo è creare un modello che preveda il valore di una variabile target apprendendo semplici regole decisionali dedotte dalle funzionalità dei dati.

Extreme Trees è un algoritmo di apprendimento automatico che combina le previsioni di molti alberi decisionali. È correlato all'algoritmo della foresta casuale ampiamente utilizzato.

La tecnica di trasformare gli studenti della settimana in uno studente forte si chiama Boosting. Il processo dell'algoritmo di potenziamento del gradiente funziona su questa teoria dell'esecuzione.

L'algoritmo K-nearest neighbors (KNN) utilizza la "somiglianza delle caratteristiche" per prevedere i valori dei nuovi punti dati, il che significa inoltre che al nuovo punto dati verrà assegnato un valore in base alla corrispondenza con i punti nel set di addestramento.

LightGBM è un framework di potenziamento del gradiente che utilizza algoritmi di apprendimento basati su alberi.

Una macchina a vettori di supporto (SVM) è un modello di apprendimento automatico supervisionato che utilizza algoritmi di classificazione per problemi di classificazione a due gruppi. Dopo aver fornito a un modello SVM set di dati di training etichettati per ogni categoria, sono in grado di classificare il nuovo testo. La SVM lineare offre prestazioni migliori quando i dati di input sono lineari, ovvero i dati possono essere facilmente classificati tracciando la linea retta tra i valori classificati su un grafico tracciato.

La regressione logistica è una tecnica di classificazione fondamentale. Appartiene al gruppo dei classificatori lineari ed è in qualche modo simile alla regressione polinomiale e lineare. La regressione logistica è rapida e relativamente semplice ed è conveniente per te interpretare i risultati. Sebbene sia essenzialmente un metodo per la classificazione binaria, può essere applicato anche a problemi multiclasse.

Il classificatore multinomiale Naive Bayes è adatto per la classificazione con caratteristiche discrete (ad esempio, il conteggio delle parole per la classificazione del testo). La distribuzione multinomiale richiede normalmente il conteggio delle funzionalità intere. Tuttavia, in pratica, anche i conteggi frazionari come tf-idf possono funzionare.

La foresta casuale è un algoritmo di apprendimento supervisionato. La "foresta" che costruisce, è un insieme di alberi decisionali, solitamente addestrati con il metodo del "bagging". L'idea generale del metodo di insaccamento è che una combinazione di modelli di apprendimento aumenta il risultato complessivo.

SGD: La discesa stocastica del gradiente è un algoritmo di ottimizzazione spesso utilizzato nelle applicazioni di apprendimento automatico per trovare i parametri del modello che corrispondono al miglior adattamento tra gli output previsti ed effettivi.

Una macchina a vettori di supporto (SVM) è un modello di apprendimento automatico supervisionato che utilizza algoritmi di classificazione per problemi di classificazione a due gruppi. Dopo aver fornito a un modello SVM set di dati di training etichettati per ogni categoria, sono in grado di classificare il nuovo testo.

XGBoost: Algoritmo di potenziamento del gradiente estremo. Questo algoritmo viene utilizzato per i dati strutturati in cui i valori delle colonne di destinazione possono essere suddivisi in valori di classe distinti.