KnownClassificationModels enum

Naïeve Bayes-classificatie voor multivariate Bernoulli-modellen.

Beslissingsbomen zijn een niet-parametrische methode voor begeleid leren die wordt gebruikt voor zowel classificatie- als regressietaken. Het doel is om een model te maken dat de waarde van een doelvariabele voorspelt door eenvoudige beslissingsregels te leren die worden afgeleid uit de gegevensfuncties.

Extreme Trees is een ensemble machine learning-algoritme dat de voorspellingen van vele beslissingsbomen combineert. Het heeft te maken met het veelgebruikte random forest-algoritme.

De techniek om weekleerlingen om te zetten in een sterke leerling wordt Boosting genoemd. Het algoritme voor het verhogen van de gradiënt werkt volgens deze uitvoeringstheorie.

Het K-nearest neighbors (KNN)-algoritme gebruikt 'feature similarity' om de waarden van nieuwe datapunten te voorspellen, wat verder betekent dat het nieuwe datapunt een waarde krijgt toegewezen op basis van hoe nauw het overeenkomt met de punten in de trainingsset.

LightGBM is een gradiëntverhogend framework dat gebruikmaakt van op bomen gebaseerde leeralgoritmen.

Een support vector machine (SVM) is een machine learning-model onder toezicht dat gebruikmaakt van classificatiealgoritmen voor classificatieproblemen met twee groepen. Nadat ze een SVM-modelset met gelabelde trainingsgegevens voor elke categorie hebben gegeven, kunnen ze nieuwe tekst categoriseren. Lineaire SVM presteert het beste wanneer de invoergegevens lineair zijn, d.w.z. dat gegevens eenvoudig kunnen worden geclassificeerd door de rechte lijn tussen geclassificeerde waarden op een geplotte grafiek te tekenen.

Logistische regressie is een fundamentele classificatietechniek. Het behoort tot de groep van lineaire classificatoren en lijkt enigszins op polynoom en lineaire regressie. Logistische regressie is snel en relatief ongecompliceerd, en het is handig voor u om de resultaten te interpreteren. Hoewel het in wezen een methode is voor binaire classificatie, kan het ook worden toegepast op problemen met meerdere klassen.

De multinomiale Naive Bayes-classificatie is geschikt voor classificatie met discrete kenmerken (bijv. woordtellingen voor tekstclassificatie). De multinomiale verdeling vereist normaal gesproken het aantal gehele getallen. In de praktijk kunnen fractionele tellingen zoals tf-idf echter ook werken.

Random forest is een algoritme voor begeleid leren. Het "bos" dat het bouwt, is een ensemble van beslissingsbomen, meestal getraind met de "bagging"-methode. Het algemene idee van de afzakmethode is dat een combinatie van leermodellen het totale resultaat verhoogt.

SGD: Stochastic gradient descent is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die het beste overeenkomen tussen voorspelde en werkelijke output.

Een support vector machine (SVM) is een machine learning-model onder toezicht dat gebruikmaakt van classificatiealgoritmen voor classificatieproblemen met twee groepen. Nadat ze een SVM-modelset met gelabelde trainingsgegevens voor elke categorie hebben gegeven, kunnen ze nieuwe tekst categoriseren.

XGBoost: Algoritme voor het verhogen van extreme gradiënten. Dit algoritme wordt gebruikt voor gestructureerde gegevens waarbij doelkolomwaarden kunnen worden onderverdeeld in afzonderlijke klassewaarden.