Che cos'è il ML
Per seguire il codice in questo corso, è utile aver completato prima i seguenti corsi, a meno che questi argomenti non siano già noti:
Machine learning (ML) è un approccio alla programmazione in cui i computer apprendono dai dati per risolvere un compito invece di ricevere istruzioni esplicite.
Si consideri l'esempio di un classificatore spam/ham (non spam).
Costruire un sistema di questo tipo con un approccio di programmazione tradizionale (senza ML) è complesso, poiché richiede la scrittura di regole esplicite, persino la compilazione manuale di un elenco di parole di spam.
Con il machine learning, il modello viene addestrato su molti esempi di email spam e ham e apprende autonomamente i pattern distintivi.
I dati forniti per l'addestramento sono chiamati training set. In questo caso, sono costituiti da email già etichettate come spam o ham, il che consente al modello di cogliere le caratteristiche di entrambe le categorie.
Dopo l'addestramento, il modello viene valutato utilizzando un test set - una raccolta separata di email etichettate. Questo passaggio verifica quanto bene il modello generalizza su nuovi dati mai visti.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.13Che cos'è il ML
Scorri per mostrare il menu
Per seguire il codice in questo corso, è utile aver completato prima i seguenti corsi, a meno che questi argomenti non siano già noti:
Machine learning (ML) è un approccio alla programmazione in cui i computer apprendono dai dati per risolvere un compito invece di ricevere istruzioni esplicite.
Si consideri l'esempio di un classificatore spam/ham (non spam).
Costruire un sistema di questo tipo con un approccio di programmazione tradizionale (senza ML) è complesso, poiché richiede la scrittura di regole esplicite, persino la compilazione manuale di un elenco di parole di spam.
Con il machine learning, il modello viene addestrato su molti esempi di email spam e ham e apprende autonomamente i pattern distintivi.
I dati forniti per l'addestramento sono chiamati training set. In questo caso, sono costituiti da email già etichettate come spam o ham, il che consente al modello di cogliere le caratteristiche di entrambe le categorie.
Dopo l'addestramento, il modello viene valutato utilizzando un test set - una raccolta separata di email etichettate. Questo passaggio verifica quanto bene il modello generalizza su nuovi dati mai visti.
Grazie per i tuoi commenti!
