RegressionModels type

Definisce i valori per RegressionModels.
KnownRegressionModels può essere usato in modo intercambiabile con RegressionModels, che contiene i valori noti supportati dal servizio.

Valori noti supportati dal servizio

ElasticNet: Elastic Net è un tipo diffuso di regressione lineare regolarizzata che combina due penalità comuni, in particolare le funzioni di penalità L1 e L2.
GradientBoosting: la tecnica di transito degli studenti della settimana in un forte apprendimento è chiamata Boosting. Il processo dell'algoritmo di boosting del gradiente funziona su questa teoria dell'esecuzione.
DecisionTree: gli alberi delle decisioni sono un metodo di apprendimento con supervisione non parametrica usato sia per le attività di classificazione che di regressione. L'obiettivo è creare un modello che stima il valore di una variabile di destinazione tramite l'apprendimento di regole decisionali semplici dedotte dalle funzionalità dei dati.
KNN: l'algoritmo K-nearest neighbors (KNN) usa la "somiglianza delle caratteristiche" per stimare i valori dei nuovi punti dati, il che significa inoltre che al nuovo punto dati verrà assegnato un valore in base alla corrispondenza con i punti nel set di training.
LassoLars: il modello Lazo è adatto a Least Angle Regression a.k.a. Lars.Lasso model fit with Least Angle Regression a.k.a. Lars. Si tratta di un modello lineare sottoposto a training con un L1 precedente come regolarizzatore.
SGD: SGD: la discesa stocastica del gradiente è un algoritmo di ottimizzazione spesso usato nelle applicazioni di Machine Learning per trovare i parametri del modello che corrispondono alla migliore adatta tra output stimati e effettivi. È una tecnica inesatta ma potente.
RandomForest: la foresta casuale è un algoritmo di apprendimento supervisionato. La "foresta" viene compilata, è un insieme di alberi delle decisioni, in genere sottoposti a training con il metodo "bagging". L'idea generale del metodo di bagging è che una combinazione di modelli di apprendimento aumenta il risultato complessivo.
ExtremeRandomTrees: Extreme Trees è un algoritmo di Machine Learning di insieme che combina le stime di molti alberi delle decisioni. È correlato all'algoritmo di foresta casuale ampiamente usato.
LightGBM: LightGBM è un framework di boosting a gradienti che usa algoritmi di apprendimento basati su albero.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor è un modello di Machine Learning supervisionato usando un insieme di studenti di base.