StackEnsembleSettings interface
Avanza l'impostazione per personalizzare l'esecuzione di StackEnsemble.
Proprietà
| stack |
Parametri facoltativi da passare all'inizializzatore del meta-learner. |
| stack |
Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2. |
| stack |
Il meta-learner è un modello addestrato sull'output dei singoli modelli eterogenei.\r\nMeta-apprendenti predefiniti sono LogisticRegression per i compiti di classificazione (o LogisticRegressionCV se è abilitata la validazione incrociata) ed ElasticNet per i compiti di regressione/previsione (o ElasticNetCV se la validazione incrociata è abilitata).\r\nQuesto parametro può essere una delle seguenti stringhe: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor o LinearRegression |
Dettagli proprietà
stackMetaLearnerKWargs
Parametri facoltativi da passare all'inizializzatore del meta-learner.
stackMetaLearnerKWargs?: any
Valore della proprietà
any
stackMetaLearnerTrainPercentage
Specifica la proporzione del set di training (quando si sceglie il tipo di training e di convalida) da riservare per il training del meta-apprendimento. Il valore predefinito è 0,2.
stackMetaLearnerTrainPercentage?: number
Valore della proprietà
number
stackMetaLearnerType
Il meta-learner è un modello addestrato sull'output dei singoli modelli eterogenei.\r\nMeta-apprendenti predefiniti sono LogisticRegression per i compiti di classificazione (o LogisticRegressionCV se è abilitata la validazione incrociata) ed ElasticNet per i compiti di regressione/previsione (o ElasticNetCV se la validazione incrociata è abilitata).\r\nQuesto parametro può essere una delle seguenti stringhe: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor o LinearRegression
stackMetaLearnerType?: string
Valore della proprietà
string