mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-01 20:12:02 +00:00
21 lines
1.2 KiB
Markdown
21 lines
1.2 KiB
Markdown
|
---
|
||
|
|
machine_translated: true
|
||
|
|
machine_translated_rev: 3e185d24c9fe772c7cf03d5475247fb829a21dfa
|
||
|
|
toc_priority: 64
|
||
|
|
toc_title: "Funciones de aprendizaje autom\xE1tico"
|
||
|
|
---
|
||
|
|
|
||
|
|
# Funciones de aprendizaje automático {#machine-learning-functions}
|
||
|
|
|
||
|
|
## evalMLMethod (predicción) {#machine_learning_methods-evalmlmethod}
|
||
|
|
|
||
|
|
Predicción utilizando modelos de regresión ajustados utiliza `evalMLMethod` función. Ver enlace en `linearRegression`.
|
||
|
|
|
||
|
|
### Regresión lineal estocástica {#stochastic-linear-regression}
|
||
|
|
|
||
|
|
El [stochasticLinearRegression](../../sql_reference/aggregate_functions/reference.md#agg_functions-stochasticlinearregression) la función agregada implementa el método de descenso de gradiente estocástico utilizando el modelo lineal y la función de pérdida MSE. Utilizar `evalMLMethod` para predecir sobre nuevos datos.
|
||
|
|
|
||
|
|
### Regresión logística estocástica {#stochastic-logistic-regression}
|
||
|
|
|
||
|
|
El [stochasticLogisticRegression](../../sql_reference/aggregate_functions/reference.md#agg_functions-stochasticlogisticregression) la función de agregado implementa el método de descenso de gradiente estocástico para el problema de clasificación binaria. Utilizar `evalMLMethod` para predecir sobre nuevos datos.
|