KnownRegressionModels enum

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.

La rete elastica è un tipo popolare di regressione lineare regolarizzata che combina due penalità comuni, in particolare le funzioni di penalità L1 e L2.

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.

Adattamento del modello lazo con la regressione dell'angolo minimo a.k.a. Lars. Si tratta di un modello lineare addestrato con un L1 a priori come regolarizzatore.

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

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. È una tecnica inesatta ma potente.

XGBoostRegressor: Extreme Gradient Boosting Regressor è un modello di apprendimento automatico supervisionato che utilizza un insieme di studenti di base.