Capitolo 4

Applicazione dell’apprendimento con supervisione


Quando prendere in considerazione l’apprendimento con supervisione

Un algoritmo di apprendimento con supervisione usa un set noto di dati di input (set di apprendimento) e di risposte ai dati note (output) e addestra un modello per generare previsioni ragionevoli in merito alla risposta a nuovi dati di input. Usa l’apprendimento con supervisione se disponi di dati esistenti relativi all’output che stai cercando di prevedere.

Tutte le tecniche di apprendimento con supervisione sono una forma di classificazione o di regressione.

Il video dura 4:35

Le tecniche di classificazione prevedono risposte discrete, ad esempio se un’email è autentica o è spam oppure se un tumore ha dimensioni piccole, medie o grandi. I modelli di classificazione vengono addestrati per classificare i dati in categorie. Tra le applicazioni compaiono la diagnostica per immagini, il riconoscimento vocale e la valutazione del credito.

Le tecniche di regressione prevedono risposte continue, ad esempio cambi di temperatura o fluttuazioni della domanda di energia elettrica. Tra le applicazioni compaiono la previsione dei prezzi delle azioni, il riconoscimento di testo scritto a mano e l’elaborazione di segnali acustici.

Selezione dell’algoritmo più adatto

Come abbiamo visto nel capitolo 1, per selezionare un algoritmo di Machine Learning è necessario passare per un apprendimento di tentativi ed errori. Si tratta inoltre di trovare il giusto compromesso tra caratteristiche specifiche dell’algoritmo, quali:

  • Velocità di addestramento
  • Utilizzo della memoria 
  • Precisione delle previsioni su dati nuovi
  • Trasparenza o interpretabilità (facilità con cui si è in grado di comprendere i motivi per cui un algoritmo fa determinate previsioni)

Algoritmi di classificazione comuni

Algoritmi di regressione comuni