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