RegressionModels type

Enum per tutti i modelli di regressione supportati da AutoML.
KnownRegressionModels può essere usato in modo intercambiabile con RegressionModels, questo enum contiene i valori noti supportati dal servizio.

Valori noti supportati dal servizio

ElasticNet: La rete elastica è un tipo popolare di regressione lineare regolarizzata che combina due penalità popolari, in particolare le funzioni di penalità L1 e L2.
GradientBoosting: La tecnica di trasformare gli studenti settimanali in un apprendente forte si chiama Boosting. Il processo dell'algoritmo di potenziamento del gradiente funziona su questa teoria dell'esecuzione.
DecisionTree: Gli alberi decisionali sono un metodo di apprendimento supervisionato non parametrico utilizzato sia per compiti di classificazione che 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.
KNN: L'algoritmo K-nearest neighbors (KNN) utilizza la 'feature similarity' per prevedere i valori dei nuovi punti dati, il che significa inoltre che al nuovo data point verrà assegnato un valore basato su quanto corrisponda ai punti dell'insieme di addestramento.
LassoLars: Adattamento del modello Lasso con la Regressione a Angolo Minimo, ovvero Lars. Si tratta di un modello lineare addestrato con un L1 a priori come regolarizzatore.
SGD: SGD: La discesa del gradiente stocastico è un algoritmo di ottimizzazione spesso utilizzato in applicazioni di apprendimento automatico per trovare i parametri del modello che corrispondono al miglior adattamento tra output previsti e risultati reali. È una tecnica inesatta ma potente.
RandomForest: Random forest 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.
ExtremeRandomTrees: Extreme Trees è un algoritmo di machine learning in ensemble che combina le previsioni di molti alberi decisionali. È correlato all'algoritmo della foresta casuale ampiamente utilizzato.
LightGBM: LightGBM è un framework di gradient boosting che utilizza algoritmi di apprendimento basati su alberi.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor è un modello di machine learning supervisionato che utilizza un ensemble di apprendenti base.