KnownClassificationModels enum

Çok değişkenli Bernoulli modelleri için Naive Bayes sınıflandırıcısı.

Karar Ağaçları, hem sınıflandırma hem de regresyon görevleri için kullanılan parametrik olmayan denetimli bir öğrenme yöntemidir. Amaç, veri özelliklerinden çıkarılan basit karar kurallarını öğrenerek bir hedef değişkenin değerini tahmin eden bir model oluşturmaktır.

Extreme Trees, birçok karar ağacından gelen tahminleri birleştiren bir topluluk makine öğrenimi algoritmasıdır. Yaygın olarak kullanılan rastgele orman algoritması ile ilgilidir.

Hafta öğrencilerini güçlü bir öğrenciye dönüştürme tekniğine Boosting denir. Gradyan artırma algoritması süreci, bu yürütme teorisi üzerinde çalışır.

K-en yakın komşular (KNN) algoritması, yeni veri noktalarının değerlerini tahmin etmek için 'özellik benzerliğini' kullanır, bu da yeni veri noktasına, eğitim setindeki noktalarla ne kadar yakından eşleştiğine bağlı olarak bir değer atanacağı anlamına gelir.

LightGBM, ağaç tabanlı öğrenme algoritmalarını kullanan bir gradyan artırma çerçevesidir.

Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenimi modelidir. Bir SVM modeline her kategori için etiketli eğitim verisi kümeleri verdikten sonra, yeni metni kategorilere ayırabilirler. Doğrusal SVM, girdi verileri doğrusal olduğunda en iyi performansı gösterir, yani veriler, çizilen bir grafikte sınıflandırılmış değerler arasında düz bir çizgi çizilerek kolayca sınıflandırılabilir.

Lojistik regresyon temel bir sınıflandırma tekniğidir. Doğrusal sınıflandırıcılar grubuna aittir ve polinom ve doğrusal regresyona biraz benzer. Lojistik regresyon hızlıdır ve nispeten karmaşık değildir ve sonuçları yorumlamanız sizin için uygundur. Esasen ikili sınıflandırma için bir yöntem olmasına rağmen, çok sınıflı problemlere de uygulanabilir.

Çok terimli Naive Bayes sınıflandırıcısı, ayrık özelliklere sahip sınıflandırma için uygundur (örneğin, metin sınıflandırması için kelime sayıları). Çok terimli dağılım normalde tamsayı özellik sayıları gerektirir. Ancak pratikte tf-idf gibi kesirli sayımlar da işe yarayabilir.

Rastgele orman, denetimli bir öğrenme algoritmasıdır. İnşa ettiği "orman", genellikle "torbalama" yöntemiyle eğitilmiş bir karar ağaçları topluluğudur. Torbalama yönteminin genel fikri, öğrenme modellerinin bir kombinasyonunun genel sonucu arttırmasıdır.

SGD: Stokastik gradyan inişi, tahmin edilen ve gerçek çıktılar arasında en iyi uyuma karşılık gelen model parametrelerini bulmak için makine öğrenimi uygulamalarında sıklıkla kullanılan bir optimizasyon algoritmasıdır.

Destek vektör makinesi (SVM), iki gruplu sınıflandırma sorunları için sınıflandırma algoritmalarını kullanan denetimli bir makine öğrenimi modelidir. Bir SVM modeline her kategori için etiketli eğitim verisi kümeleri verdikten sonra, yeni metni kategorilere ayırabilirler.

XGBoost: Aşırı Gradyan Artırma Algoritması. Bu algoritma, hedef sütun değerlerinin farklı sınıf değerlerine bölünebildiği yapılandırılmış veriler için kullanılır.