Skip to Content
Introduzione al Machine Learning con Python
book

Introduzione al Machine Learning con Python

by Andreas C. Müller, Sarah Guido
April 2025
Intermediate to advanced
400 pages
11h 13m
Italian
O'Reilly Media, Inc.
Content preview from Introduzione al Machine Learning con Python

Capitolo 2. Apprendimento supervisionato

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com

Come abbiamo detto in precedenza, l'apprendimento automatico supervisionato è uno dei tipi di apprendimento automatico più utilizzati e di successo. In questo capitolo descriveremo l'apprendimento supervisionato in modo più dettagliato e spiegheremo diversi algoritmi di apprendimento supervisionato popolari. Abbiamo già visto un'applicazione dell'apprendimento automatico supervisionato nel Capitolo 1: classificare i fiori di iris in diverse specie utilizzando le misure fisiche dei fiori.

Ricorda che l'apprendimento supervisionato viene utilizzato ogni volta che vogliamo prevedere un certo risultato da un dato input e abbiamo esempi di coppie input/output. Costruiamo un modello di apprendimento automatico a partire da queste coppie di input/output, che costituiscono il nostro set di addestramento. Il nostro obiettivo è fare previsioni accurate su dati nuovi, mai visti prima. L'apprendimento supervisionato spesso richiede uno sforzo umano per costruire il set di addestramento, ma in seguito automatizza e spesso velocizza un compito altrimenti laborioso o impossibile.

2.1 Classificazione e regressione

Esistono due tipi principali di problemi di apprendimento automatico supervisionato, chiamati classificazione e regressione.

Nella classificazione, l'obiettivo è prevedere un'etichetta di classe, ovvero ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

AirBnbBlueOriginElectronic ArtsHomeDepotNasdaqRakutenTata Consultancy Services

QuotationMarkO’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
QuotationMarkI wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
QuotationMarkI’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
QuotationMarkI'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Mark W.
Embedded Software Engineer

You might also like

Machine learning pratico con Scikit-Learn e PyTorch

Machine learning pratico con Scikit-Learn e PyTorch

Aurélien Géron
IA generativa pratica con trasformatori e modelli di diffusione

IA generativa pratica con trasformatori e modelli di diffusione

Omar Sanseviero, Pedro Cuenca, Apolinário Passos, Jonathan Whitaker
IBM InfoSphere DataStage Data Flow and Job Design

IBM InfoSphere DataStage Data Flow and Job Design

Nagraj Alur, Celso Takahashi, Sachiko Toratani, Denis Vasconcelos
Modelli linguistici di grandi dimensioni pratici

Modelli linguistici di grandi dimensioni pratici

Jay Alammar, Maarten Grootendorst

Publisher Resources

ISBN: 9798341643321