RegressionModels type

Enum voor alle regressiemodellen die worden ondersteund door AutoML.
KnownRegressionModels kunnen door elkaar worden gebruikt met RegressionModels; dit enum bevat de bekende waarden die de dienst ondersteunt.

Bekende waarden die door de service worden ondersteund

ElasticNet: Elastisch net is een populair type geregulariseerde lineaire regressie dat twee populaire straffen combineert, namelijk de L1- en L2-straffuncties.
GradientBoosting: De techniek om weekleerlingen te transformeren naar een sterke leerling heet Boosting. Het algoritme voor het verhogen van de gradiënt werkt volgens deze uitvoeringstheorie.
DecisionTree: Decision Trees zijn een niet-parametrische supervised learning-methode 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.
KNN: Het K-dichtstbijzijnde buren (KNN) algoritme gebruikt 'feature similarity' om de waarden van nieuwe datapunten te voorspellen, wat verder betekent dat het nieuwe datapunt een waarde krijgt toegekend op basis van hoe nauwkeurig het overeenkomt met de punten in de trainingsset.
LassoLars: Lasso-model past bij Least Angle Regression, ook wel Lars genoemd. Het is een lineair model getraind met een L1 prior als regularizer.
SGD: SGD: Stochastische gradiëntafdaling is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die overeenkomen met de beste aansluiting tussen voorspelde en daadwerkelijke outputs. Het is een onnauwkeurige maar krachtige techniek.
RandomForest: Random Forest is een begeleid leeralgoritme. 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.
ExtremeRandomTrees: Extreme Trees is een ensemble-machine learning-algoritme dat voorspellingen van vele beslissingsbomen combineert. Het heeft te maken met het veelgebruikte random forest-algoritme.
LightGBM: LightGBM is een gradient boosting framework dat gebruikmaakt van boomgebaseerde leeralgoritmen.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor is een begeleid machine learning-model met een ensemble van basisleerlingen.