C4.5
Machine Learning ITA

L’algoritmo C4.5 in Machine Learning con Python

L’algoritmo C4.5 è un algoritmo di apprendimento automatico ampiamente utilizzato per la costruzione di alberi di decisione. Gli alberi di decisione sono una forma di modello predittivo che può essere utilizzata sia per problemi di classificazione che per problemi di regressione. C4.5 è una versione migliorata dell’algoritmo ID3 (Iterative Dichotomiser 3) sviluppato da Ross Quinlan ed è stato introdotto negli anni ’90. Ecco come funziona l’algoritmo C4.5 e come utilizzarlo in Python.

Machine Learning with Python - CART
Python ITA

L’algoritmo CART in Machine Learning con Python

L’algoritmo CART (Classification and Regression Trees) è un algoritmo ampiamente utilizzato per la costruzione di alberi di decisione in machine learning. Gli alberi di decisione sono una forma di modello predittivo che può essere utilizzata sia per problemi di classificazione che per problemi di regressione. Ecco come funziona l’algoritmo CART e come utilizzarlo in Python.

Machine Learning - L'algoritmo CHAID
Machine Learning ITA

L’algoritmo CHAID in Machine Learning con Python

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.

Random Forest
Machine Learning ITA

Random Forest nel Machine Learning con Python

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.

Gradient Boosting
Data Science ITA / Machine Learning ITA

Gradient Boosting nel Machine Learning con Python

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.

2017 the year of Deep Learning frameworks
Data Science ITA / Deep Learning ITA

2017 L’anno dei Deep Learning framework

Il 2017 è stato un anno speciale per il Deep Learning. Oltre ai grandi risultati sperimentali ottenuti grazie agli algoritmi sviluppati, il Deep Learning quest’anno ha visto la sua gloria nel rilascio di moltissimi framework con cui sviluppare numerosi progetti. Nell’articolo vedremo una carrellata di molti nuovi framework che si sono proposti come ottimi strumenti per lo sviluppo di progetti Deep Learning.

Data Scientist - a new professional role main
Data Science ITA

Data Scientist – la nuova professione

In questi ultimi anni stiamo vedendo nascere molte figure professionali di cui poco sappiamo, ma che giocheranno un ruolo importante negli anni a venire. Una di queste figure è proprio quella del Data Scientist. In questo articolo vedremo più in dettaglio in cosa consiste il lavoro di Data Scientisti, quali sono le sue competenze e quali attività deve svolgere.