AutoMLVerticalRegressionModel Estrutura

Inicializa uma nova instância de AutoMLVerticalRegressionModel.

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 dos recursos de dados.

A rede elástica é um tipo popular de regressão linear regularizada que combina duas penalidades populares, especificamente as funções de penalidade L1 e L2.

Extreme Trees é um algoritmo de aprendizado de máquina ensemble que combina as previsões de muitas árvores de decisão. Ele está relacionado ao algoritmo de floresta aleatória amplamente usado.

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

O algoritmo KNN (K-nearest neighbors) usa "similaridade de recurso" para prever os valores de novos pontos de dados, o que significa ainda que o novo ponto de dados receberá um valor com base na proximidade com que ele corresponde aos pontos no conjunto de treinamento.

O modelo de laço se encaixa com Regressão de Ângulo Mínimo, também conhecido como Lars. É um Modelo Linear treinado com um L1 anterior como regularizador.

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

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

SGD: descendente de gradiente estocástico é um algoritmo de otimização geralmente usado em aplicativos de machine learning para localizar os parâmetros de modelo que correspondem ao melhor ajuste entre saídas previstas e reais. É uma técnica inexata, mas poderosa.

XGBoostRegressor: O Regressor de Aumento de Gradiente Extremo é um modelo de machine learning supervisionado que usa um conjunto de aprendizes de base.

Indica se o objeto atual é igual a outro objeto do mesmo tipo.

Retorna o nome do tipo totalmente qualificado dessa instância.

Determina se dois AutoMLVerticalRegressionModel valores são os mesmos.

Converte uma cadeia de caracteres em um AutoMLVerticalRegressionModel.

Determina se dois AutoMLVerticalRegressionModel valores não são os mesmos.