RegressionModels type

Definieert waarden voor RegressionModels.
KnownRegressionModels kan door elkaar worden gebruikt met RegressionModels, bevat dit enum de bekende waarden die de service ondersteunt.

Bekende waarden die door de service worden ondersteund

ElasticNet: Elastic Net is een populair type ge regulariseerde lineaire regressie die twee populaire sancties combineert, met name de L1- en L2-boetefuncties.
GradientBoosting: de techniek van het doorvoeren van weekleerders naar een sterke cursist wordt Boost genoemd. Het proces voor het verhogen van de kleurovergang werkt aan deze uitvoeringstheorie.
DecisionTree: Beslissingsstructuren zijn een niet-parametrische leermethode die wordt gebruikt voor zowel classificatie- als regressietaken. Het doel is om een model te maken dat de waarde van een doelvariabele voorspelt door eenvoudige beslissingsregels te leren die zijn afgeleid van de gegevensfuncties.
KNN-: K-dichtstbijzijnde buren (KNN)-algoritme maakt gebruik van 'functie-gelijkenis' om de waarden van nieuwe gegevenspunten te voorspellen. Dit betekent verder dat aan het nieuwe gegevenspunt een waarde wordt toegewezen op basis van de mate waarin het overeenkomt met de punten in de trainingsset.
LassoLars: Lasso-model past bij Least Angle Regression a.k.a. Lars. Het is een lineair model dat is getraind met een L1 eerder als regularizer.
SGD-: SGD: Stochastische gradiëntafname is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die overeenkomen met de beste pasvorm tussen voorspelde en werkelijke uitvoer. Het is een onuitstaanbare maar krachtige techniek.
RandomForest: random forest is een leeralgoritme onder supervisie. Het "forest" dat het bouwt, is een ensemble van beslissingsstructuren, meestal getraind met de 'bagging'-methode. Het algemene idee van de baggingmethode is dat een combinatie van leermodellen het algehele resultaat verhoogt.
ExtremeRandomTrees: Extreme Trees is een ensemble machine learning-algoritme dat de voorspellingen van veel beslissingsstructuren combineert. Het is gerelateerd aan het veelgebruikte willekeurige forestalgoritme.
LightGBM-: LightGBM is een framework voor gradiëntverhoging dat gebruikmaakt van op structuur gebaseerde leeralgoritmen.
XGBoostRegressor: XGBoostRegressor: Extreme Gradient Boosting Regressor is een machine learning-model onder supervisie met behulp van ensemble van basisleerders.