RegressionModels type

Uppräkning för alla regressionsmodeller som stöds av AutoML.
KnownRegressionModels kan användas omväxlande med RegressionModels, detta enum innehåller de kända värden som tjänsten stödjer.

Kända värden som stöds av tjänsten

ElasticNet: Elastiskt nät är en populär typ av regulariserad linjär regression som kombinerar två populära straff, nämligen L1- och L2-strafffunktionerna.
GradientBoosting: Tekniken att omvandla veckovisa elever till en stark elev kallas Boosting. Gradient boosting-algoritmprocessen fungerar på denna teori om utförande.
DecisionTree: Decision Trees är en icke-parametrisk övervakad inlärningsmetod som används för både klassificerings- och regressionsuppgifter. Målet är att skapa en modell som förutsäger värdet på en målvariabel genom att lära sig enkla beslutsregler som härleds från datafunktionerna.
KNN: K-närmaste grannar (KNN)-algoritmen använder 'feature similarity' för att förutsäga värdena på nya datapunkter, vilket dessutom innebär att den nya datapunkten tilldelas ett värde baserat på hur nära den matchar punkterna i träningsuppsättningen.
LassoLars: Lasso-modell passar med Least Angle Regression, även kallad Lars. Det är en linjär modell som tränats med en L1 tidigare som regulariserare.
SGD: SGD: Stokastisk gradientnedstigning är en optimeringsalgoritm som ofta används i maskininlärningsapplikationer för att hitta de modellparametrar som motsvarar den bästa anpassningen mellan förutsagda och faktiska utdata. Det är en inexakt men kraftfull teknik.
RandomForest: Random forest är en övervakad inlärningsalgoritm. Den "skog" som skapas är en ensemble av beslutsträd, som vanligtvis tränas med metoden "bagging". Den allmänna idén med baggingmetoden är att en kombination av inlärningsmodeller ökar det totala resultatet.
ExtremeRandomTrees: Extreme Trees är en ensemble-maskininlärningsalgoritm som kombinerar förutsägelser från många beslutsträd. Det är relaterat till den allmänt använda algoritmen för slumpmässig skog.
LightGBM: LightGBM är ett gradientboostande ramverk som använder trädbaserade inlärningsalgoritmer.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor är en övervakad maskininlärningsmodell som använder en ensemble av basinlärare.