Principali algoritmi del Machine Learning

I PRINCIPALI ALGORITMI PER IL

Machine learning

DONADI MANUEL

TRAINING E LEARNING DEL

MACHINE LEARNING

NON SUPERVISIONATO

SUPERVISIONATO

RINFORZATO.

SEMI SUPERVISIONATO

01

NAIVE BAYES

Naive bayes

COS'È E COME FUNZIONA

PRO & CONTRO

Il teorema di Bayes calcola la probabilità di un evento A condizionata a un altro evento B.

• Semplicità d'utilizzo.

• Risolve egregiamente alcuni problemi di classificazione con una discreta efficienza.

P(A|B)=P(B|A)⋅P(A):P(B)

ESEMPI

• L'algoritmo richiede la conoscenza di tutti i dati del problema.

• L'algoritmo fornisce un'approssimazione "ingenua" (naive).

Spam delle email

02

DECISION TREE

Decision tree

COS'È E COME FUNZIONA

PRO & CONTRO

In questo algoritmo i dati che io do come input vengono continuamente splittati in base a certi criteri.

• Molto semplice da capire e interpretare
• Può lavorare su dati numerici e categorici

• Performa bene sui su pochi dati sia su grandi dataset.

ESEMPI

I SISTEMI PLANETARI

• Un piccolo cambiamento nel training può comportare un grandissimo cambiamento nella prediction
• Rischio di overfitting

Riconoscimento di oggetti, animali. Riconoscimento facciale

03

ALTRI ALGORITMI

DEL MACHINE LEARNING

APPRENDIMENTO FORZATO

APPRENDIMENTO NON SUPERVISIONATO

RETI NEURALI

CLUSTERING

Studi demografici e sociali

Bibliografia

https://www.sap.com/italy/products/artificial-intelligence/what-is-machine-learning.html Https://www.andreaminini.com/ai/machine-learning/algoritmo-naive-bayes https://pulplearning.altervista.org/algoritmi-di-machine-learning-decision-tree/ https://www.digitalworlditalia.it/tecnologie-emergenti/intelligenza-artificiale/machine-learning-124626 https://www.geopop.it/cose-il-machine-learning-esempi/