mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-10-19 06:50:50 +00:00
21 lines
1.2 KiB
Markdown
21 lines
1.2 KiB
Markdown
|
---
|
||
|
machine_translated: true
|
||
|
machine_translated_rev: f865c9653f9df092694258e0ccdd733c339112f5
|
||
|
toc_priority: 64
|
||
|
toc_title: Fonctions D'Apprentissage Automatique
|
||
|
---
|
||
|
|
||
|
# Fonctions D'Apprentissage Automatique {#machine-learning-functions}
|
||
|
|
||
|
## evalMLMethod (prédiction) {#machine_learning_methods-evalmlmethod}
|
||
|
|
||
|
Prédiction utilisant des modèles de régression ajustés utilise `evalMLMethod` fonction. Voir le lien dans la `linearRegression`.
|
||
|
|
||
|
### Régression Linéaire Stochastique {#stochastic-linear-regression}
|
||
|
|
||
|
Le [stochasticLinearRegression](../../sql_reference/aggregate_functions/reference.md#agg_functions-stochasticlinearregression) la fonction d'agrégat implémente une méthode de descente de gradient stochastique utilisant un modèle linéaire et une fonction de perte MSE. Utiliser `evalMLMethod` prédire sur de nouvelles données.
|
||
|
|
||
|
### Régression Logistique Stochastique {#stochastic-logistic-regression}
|
||
|
|
||
|
Le [stochasticLogisticRegression](../../sql_reference/aggregate_functions/reference.md#agg_functions-stochasticlogisticregression) la fonction d'agrégation implémente la méthode de descente de gradient stochastique pour le problème de classification binaire. Utiliser `evalMLMethod` prédire sur de nouvelles données.
|