Quando si inizia a studiare il machine learning e l’intelligenza artificiale ci si prefigge di costruire il miglior modello adatto alle proprie esigenze. Ben presto ci si rende conto che però, per un motivo o per un altro, il modello inizia ad avere qualche inefficienza, e non funziona come ci si aspetta. La realtà è […]
Modello ARIMA: come prevedere le serie temporali
Quando si cerca di prevedere un andamento futuro si fanno delle stime o pianificazioni. Ad esempio decidere se costruire un altro impianto di generazione di energia nei prossimi cinque anni richiede previsioni sulla domanda futura; programmare il personale in un call center la prossima settimana richiede previsioni sui volumi di chiamate; o ancora, immagazzinare […]
Come costruire e manipolare un array Numpy
Nella creazione di modelli di machine learning spesso ci si trova a che fare con array numpy. Capire cosa sono e come funzionano permette di comprendere cosa sono le strutture dati su cui si avvale la libreria, come impostare correttamente la fase di preprocessamento dei dati e l’implementazione successiva degli algoritmi di machine learning. In […]
Muovere i primi passi in Jupyter Notebook
Jupyter Notebook è un’applicazione web open source che puoi utilizzare per creare e condividere documenti che contengono codice live, equazioni, grafici e testo. Facente parte del progetto Jupyter, è in grado di eseguire la presentazione interattiva di progetti di data science, lasciando ai programmatori la possibilità di scegliere tra più di 40 linguaggi di programmazione. […]
Classificazione multiclasse tramite i metodi OvO e OvR
Nella risoluzione dei problemi di machine learning è prassi comune dover risolvere un problema composto da più di due classi (classificazione binaria). Pensa solo di dover classificare dei cani (pastore tedesco, labrador, beagle o bassotto tedesco): già in questa situazione non ci troviamo più in un problema di classificazione binario, ma multi classe. In quest’articolo […]
Funzione di perdita: come calcolare l’errore di un modello
La misurazione delle prestazioni del modello è il punto cruciale di qualsiasi algoritmo di apprendimento automatico e ciò viene fatto mediante l’uso di funzioni di perdita o funzioni di costo. La scelta di queste funzioni può aiutare il modello ad apprendere meglio; al contrario, la scelta di quella sbagliata potrebbe portare il modello a non […]