Ci si trova spesso, nei problemi di classificazione dell’apprendimento automatico, a dover confrontare e analizzare troppe caratteristiche sulla base delle quali viene effettuata la classificazione finale. Maggiore è il numero di esse, più diventa difficile visualizzare il set di allenamento e quindi lavorarci su. Proprio in questi contesti, entra in gioco la riduzione della dimensionalità. Detta anche riduzione […]
Regressione Polinomiale con un esempio in Python
Quando una variabile dipendente ha una relazione lineare con una variabile indipendente, significa che è possibile rappresentare tramite una retta tale relazione. Ciò avviene quando il grado di entrambe le variabili è pari a uno. Finora, infatti, abbiamo visto modelli di regressione lineare cui le potenze della variabile indipendente sono pari a 1. Cosa succede […]
Tre tecniche di regolarizzazione: Ridge, Lasso ed Elastic Net
In un modello di machine learning, la regolarizzazione riduce significativamente la varianza del modello, senza un sostanziale aumento del suo Bias. Attraverso l’introduzione di un parametro Lambda, si punta a ridurre i coefficienti del modello in modo da ridurne la varianza e quindi l’accuratezza stessa. In questo articolo vediamo tre tipi di tecniche di regolarizzazione […]
L’Overfitting e l’Underfitting nel machine learning
Immagina di voler prevedere se uno studente realizzerà un colloquio di lavoro basato sul suo curriculum. Ora, supponiamo di formare un modello da un set di dati di 7.000 curriculum e i loro risultati. Successivamente, proviamo il modello sull’insieme di dati originale e notiamo che prevede risultati con un’accuratezza del 99%. Ottimo! Ma ora arrivano […]
Modello di regressione lineare tramite algoritmo Gradient Descent in Python
Gradient Descent è un algoritmo di ottimizzazione generico in grado di trovare soluzioni ottimali per una vasta gamma di problemi. L’idea generale della discesa del gradiente è modificare i parametri in modo iterativo per ridurre al minimo una funzione di costo. In altre parole, ciò significa trovare i parametri del modello (ad es. coefficienti o […]
Algoritmo Discesa del Gradiente
L’obiettivo di qualsiasi algoritmo di apprendimento automatico è quello di ridurre, se non eliminare, la differenza tra i valori previsti e quelli effettivi di un modello di apprendimento. Questo perché un errore inferiore tra i valori effettivi e quelli previsti indica che l’algoritmo ha svolto un buon lavoro nell’apprendimento. Ridurre questa differenza altro non significa […]