Mai nella stessa forma
La matrice di confusione è uno strumento di valutazione ampiamente utilizzato nel machine learning per misurare le prestazioni di un modello di classificazione. Fornisce una panoramica dettagliata delle previsioni fatte dal modello rispetto alle classi reali dei dati. La matrice di confusione è particolarmente utile quando si lavora con problemi di classificazione in cui le classi possono essere più di due.
CHAID (Chi-squared Automatic Interaction Detector) è un algoritmo utilizzato per la costruzione di alberi di decisione, in particolare per la suddivisione di variabili in base alle loro interazioni con le variabili di destinazione. A differenza degli alberi decisionali tradizionali, che si basano principalmente sull’indice di Gini o sull’entropia per la scelta delle suddivisioni, CHAID utilizza test del chi-quadro per determinare le suddivisioni ottimali in modo automatico.
Un Decision Tree (albero decisionale) è un modello di apprendimento automatico che rappresenta una serie di decisioni logiche prese in base ai valori dei attributi. È una struttura ad albero che viene utilizzata per prendere decisioni o fare previsioni a partire dai dati di input.
Random Forest è un algoritmo di apprendimento automatico che si basa sulla creazione di un insieme di alberi decisionali. Ogni albero viene creato utilizzando un subset casuale dei dati di addestramento e produce una previsione. Alla fine, le previsioni di tutti gli alberi vengono combinate attraverso il voto della maggioranza per ottenere la previsione finale.
L’algoritmo Gradient Boosting è una tecnica di apprendimento automatico che si basa sulla creazione sequenziale di modelli deboli, spesso alberi decisionali, per creare un modello più forte in grado di affrontare problemi di regressione e classificazione. L’obiettivo principale del Gradient Boosting è ridurre l’errore del modello combinando i punti deboli dei modelli individuali.
Questo sensore (Moisture sensor Seeds) è utile per misurare l’umidità presente nel suolo. Per esempio può essere utilizzato nel giardinaggio, inserendolo nel terreno vicino alla pianta. In questo modo si …
Ultimamente si fa un gran parlare di Python e sulla possibilità di utilizzarlo nella programmazione dei microcontrollori al posto di altri linguaggi come C o C++, spesso troppo complessi e che richiedono un grande sforzo e tempo per il loro apprendimento. Ma Python è un linguaggio nato per lavorare su grandi macchine come lo sono i PC di oggi. A tal proposito si è sviluppato CircuitPython, una particolare versione di Python adatta per lavorare con piccole schede e scelta da Adafruit come piattaforma base per i suoi prodotti.
Con l’avvento dell’IoT (Internet of Things) l’ambiente web non è solo una prerogativa di pagine HTML fatte per mostrare informazioni per gli umani, ma anche un ottimo ambiente per lo scambio di dati tra reti di dispositivi e sensori connessi alla rete. Oggi questa realtà è diffusissima e molti sono i servizi disponibili in rete, SaaS (Software as a Service), specializzati proprio per dispositivi IoT, tra cui Adafruit IO.
Tutti i progetti (o quasi tutti) su Arduino richiedono di essere alimentati autonomamente tramite un set di batterie. In questo articolo mostreremo una breve panoramica sulle diverse soluzioni possibili apponendo nei vari casi gli opportuni accorgimenti da seguire.
Quando si ha a che fare con un insieme di dati che descrivono una popolazione e si vogliono effettuare delle analisi statistiche, le prime caratteristiche da considerare sono la media, la mediana e la moda. Vediamo in questo articolo cosa sono e come calcolarle con R. Alla fine ci sarà qualche esempio su come visualizzarle in un grafico, come per esempio gli istogrammi e i diagrammi a candela.