KnownClassificationModels enum

Classificador Naive Bayes para modelos multivariados de Bernoulli.

As árvores de decisão são um método de aprendizado supervisionado não paramétrico usado para tarefas de classificação e regressão. O objetivo é criar um modelo que preveja o valor de uma variável de destino aprendendo regras de decisão simples inferidas a partir dos recursos de dados.

Extreme Trees é um algoritmo de aprendizado de máquina de conjunto que combina as previsões de muitas árvores de decisão. Está relacionado ao algoritmo de floresta aleatória amplamente utilizado.

A técnica de transitar os alunos da semana para um aluno forte é chamada de Boosting. O processo do algoritmo de aumento de gradiente funciona nessa teoria de execução.

O algoritmo K-vizinhos mais próximos (KNN) usa 'similaridade de recursos' para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base em quão próximo ele corresponde aos pontos no conjunto de treinamento.

LightGBM é uma estrutura de aumento de gradiente que usa algoritmos de aprendizado baseados em árvore.

Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto. O SVM linear tem melhor desempenho quando os dados de entrada são lineares, ou seja, os dados podem ser facilmente classificados desenhando a linha reta entre os valores classificados em um gráfico plotado.

A regressão logística é uma técnica de classificação fundamental. Pertence ao grupo dos classificadores lineares e é um pouco semelhante à regressão polinomial e linear. A regressão logística é rápida e relativamente descomplicada, e é conveniente para você interpretar os resultados. Embora seja essencialmente um método para classificação binária, ele também pode ser aplicado a problemas multiclasse.

O classificador multinomial Naive Bayes é adequado para classificação com características discretas (por exemplo, contagens de palavras para classificação de texto). A distribuição multinomial normalmente requer contagens de recursos inteiros. No entanto, na prática, contagens fracionárias, como tf-idf, também podem funcionar.

A floresta aleatória é um algoritmo de aprendizado supervisionado. A "floresta" que ele constrói, é um conjunto de árvores de decisão, geralmente treinadas com o método de "ensacamento". A ideia geral do método de ensacamento é que uma combinação de modelos de aprendizado aumenta o resultado geral.

SGD: O gradiente descendente estocástico é um algoritmo de otimização frequentemente usado em aplicativos de aprendizado de máquina para encontrar os parâmetros do modelo que correspondem ao melhor ajuste entre as saídas previstas e reais.

Uma máquina de vetor de suporte (SVM) é um modelo de aprendizado de máquina supervisionado que usa algoritmos de classificação para problemas de classificação de dois grupos. Depois de fornecer a um modelo SVM conjuntos de dados de treinamento rotulados para cada categoria, eles podem categorizar o novo texto.

XGBoost: Algoritmo de aumento de gradiente extremo. Esse algoritmo é usado para dados estruturados em que os valores da coluna de destino podem ser divididos em valores de classe distintos.