Insieme all’apprendimento automatico, anche la genetica sta avendo un forte sviluppo negli ultimi anni. Alcuni risultati in questo campo si possono valutare grazie agli Evolutionary Algorithms (EA), ossia algoritmi sull’evoluzione che si sono sviluppati il secolo scorso, ma che stanno avendo un maggiore utilizzo grazie all’elevato miglioramento tecnologico, mai così elevato come ai giorni nostri. […]
Modello di regressione di Poisson in Python
L’uso di Python per la scienza e l’analisi dei dati sta crescendo in popolarità e una delle ragioni per questo sono le eccellenti librerie di supporto (NumPy, SciPy, Pandas, Scikit-Learn e Matplotlib, per citare le più comuni). In ambito statistico, sta avendo sempre più diffusione Statmodels, un “must” per poter valutare e analizzare modelli di […]
Riconoscimento facciale tramite l’algoritmo Support Vector Machine in python
I problemi di classificazione sono tra i più diffusi nel machine learning. È possibile eseguire una regressione logistica, utilizzare alberi decisionali o costruire una rete neurale per ottenere una buona soluzione. Un altro strumento di classificazione fu inventato nel 1963, da Vladimir Vapnik e Alexey Chervonenkis: il support vector machine o, in italiano, la macchina […]
Naive Bayes in linguaggio Python
Comunemente utilizzato in Machine Learning, Naive Bayes è una raccolta di algoritmi di classificazione basati sul teorema di Bayes. Non è un singolo algoritmo ma una famiglia di algoritmi che condividono tutti un principio comune, ovvero che ogni caratteristica classificata è indipendente dal valore di qualsiasi altra caratteristica. Quindi, ad esempio, un frutto può essere […]
Implementare l’algoritmo Cart in Python e Sklearn
Un albero decisionale è una struttura ad albero simile a un diagramma di flusso in cui un nodo interno rappresenta una caratteristica (o attributo), il ramo rappresenta una regola decisionale e ciascun nodo foglia rappresenta il risultato. Il nodo più in alto in un albero decisionale è noto come nodo radice. Questa struttura simile a […]
Matrice di confusione: cos’è e come funziona?
Per valutare un modello di machine learning che analizza grandi dataset si può pensare di usare la matrice di confusione (meglio conosciuta come confusion matrix). L’abbiamo già vista per stimare la qualità dell’algoritmo knn e della regressione logistica nel linguaggio Python. In questa sede, vediamo di spiegare con maggiore dettaglio il principio di funzionamento e come […]