Tipi di Apprendimento Automatico
Scorri per mostrare il menu
Apprendimento supervisionato
L'apprendimento supervisionato è una tecnica di apprendimento automatico in cui il modello viene addestrato su un set di dati di addestramento etichettato.
I compiti di apprendimento supervisionato più diffusi sono:
-
Regressione (ad esempio, prevedere il prezzo di una casa): è necessario un set di addestramento etichettato con altri prezzi di case;
-
Classificazione (ad esempio, classificare un'email come spam/non spam): è necessario un set di addestramento etichettato come spam/non spam.
Apprendimento non supervisionato
Apprendimento non supervisionato è una tecnica di machine learning in cui il modello viene addestrato su un set di dati di addestramento non etichettato.
I principali compiti dell'apprendimento non supervisionato sono clustering, rilevamento di anomalie e riduzione della dimensionalità.
Clustering
Raggruppamento di punti dati simili in cluster senza etichette — ad esempio, raggruppare email senza sapere se sono spam o meno.
Rilevamento di anomalie
Individuazione di punti dati che deviano dai modelli normali, come transazioni con carta di credito insolite, senza bisogno di etichette di frode.
Riduzione della dimensionalità
Riduzione del numero di caratteristiche mantenendo le informazioni importanti — anch'essa senza etichette.
Apprendimento per rinforzo
L'apprendimento per rinforzo si differenzia notevolmente dai due tipi precedenti. È una tecnica utilizzata per addestrare veicoli a guida autonoma, robot, intelligenze artificiali nei giochi e altro ancora.
Apprendimento per rinforzo è una tecnica di machine learning in cui l'agente (ad esempio, un robot aspirapolvere) apprende prendendo decisioni e riceve una ricompensa se la decisione è corretta e una penalità se la decisione è errata.
Addestrare un cane a riportare un oggetto funziona in modo simile all'apprendimento per rinforzo: le azioni corrette ottengono una ricompensa, le azioni sbagliate ricevono una penalità e riportare con successo la palla comporta una ricompensa maggiore, rafforzando il comportamento desiderato.
1. Per addestrare il modello di ML in un compito di apprendimento supervisionato, è necessario che il set di addestramento contenga il target (sia etichettato). È corretto?
2. Per addestrare il modello di ML in un compito di apprendimento non supervisionato, non è necessario che il set di addestramento contenga un target (sia etichettato). È corretto?
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
