Mai nella stessa forma
insieme di principi metodologici (basati sul metodo scientifico) e di tecniche multidisciplinari volto a interpretare ed estrarre conoscenza dai dati attraverso la relativa fase di analisi
In machine learning, l’entropia e l’information gain sono concetti fondamentali utilizzati nell’ambito degli alberi decisionali e dell’apprendimento supervisionato per prendere decisioni sulla divisione dei dati durante il processo di addestramento di un modello. Questi concetti sono spesso associati all’algoritmo ID3 (Iterative Dichotomiser 3) e alle sue varianti, come il C4.5 e il CART.
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.
Sono passati già alcuni anni da quando ho scritto un libro completamente dedicato alla libreria D3.js e alla visualizzazionde dei dati. In questo tempo la libreria si è sviluppata ulteriormente passando dalla versione 3 alla verione 6. Alcune cose sono cambiate ed altre sono rimaste le stesse. Con questo articolo, colgo l’occasione per riprendere in mano questa libreria e cominciare a riscoprirla insieme.
Il Deep learning è una tecnica computazionale che permette di estrarre e trasformare i dati da fonti come, per esempio, il parlare umano o la classificazione di immagini, usando strati multipli di reti neurali. Ciascuno di questi strati prende i suoi input dagli strati precedenti e li rifinisce, così in maniera progressiva. Gli strati vengono addestrati da algoritmi che minimizzano i loro errori e migliorano la loro accuratezza. In questo modo le reti imparano ad effettuare dei compiti specifici.
Py è una libreria in Python, o più precisamente una collezione di algoritmi matematici ed altre funzioni particolarmente utilizzate in ambito scientifico. SciPy è costruita su NumPy, una libreria che estende il linguaggio Python per meglio gestire i calcoli matematici.
Gestire le analisi, la programmazione, e la visualizzazione dei risultati in modo interattivo e allo stesso tempo produrre report leggibili tutto nello stesso momento è oggi possibile grazie ai Notebook interattivi. In particolare, per chi lavora con le librerie JavaScript è disponibile gratuitamente Observable, il Notebook interattivo.