Che cos'è la classificazione
Classificazione è un compito di apprendimento supervisionato in cui l'obiettivo è prevedere la classe di un'istanza utilizzando le sue caratteristiche. Il modello apprende da esempi etichettati in un set di addestramento e successivamente assegna una classe a nuovi dati non visti.
La regressione prevede un valore numerico continuo (ad esempio, prezzo), che può assumere molti valori possibili. La classificazione prevede un valore categorico (ad esempio, tipo di dolce), scegliendo un'opzione da un insieme limitato di classi.
Esistono diversi tipi di classificazione:
- Classificazione binaria: il target ha due possibili esiti (spam/non spam, cookie/non cookie);
- Classificazione multi-classe: tre o più categorie possibili (spam/importante/pubblicità/altro; cookie/marshmallow/caramella);
- Classificazione multi-etichetta: un'istanza può appartenere a più classi contemporaneamente (un film può essere azione e commedia; un'email può essere importante e lavorativa).
Per la maggior parte dei modelli di ML, è necessario codificare il target come un numero. Per la classificazione binaria, gli esiti sono solitamente codificati come 0/1 (ad esempio, 1 - cookie, 0 - non cookie). Per una classificazione multi-classe, gli esiti sono solitamente codificati come 0, 1, 2, ... (ad esempio, 0 - caramella, 1 - cookie, 2 - marshmallow).
Molti modelli diversi possono eseguire la classificazione. Alcuni esempi includono:
- k-Nearest Neighbors;
- Regressione Logistica;
- Albero Decisionale;
- Random Forest.
Fortunatamente, sono tutti implementati nella libreria scikit-learn e sono facili da utilizzare.
Nessun modello di apprendimento automatico è superiore agli altri. Le prestazioni migliori di un modello dipendono dal compito specifico.
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 4.17Che cos'è la classificazione
Scorri per mostrare il menu
Classificazione è un compito di apprendimento supervisionato in cui l'obiettivo è prevedere la classe di un'istanza utilizzando le sue caratteristiche. Il modello apprende da esempi etichettati in un set di addestramento e successivamente assegna una classe a nuovi dati non visti.
La regressione prevede un valore numerico continuo (ad esempio, prezzo), che può assumere molti valori possibili. La classificazione prevede un valore categorico (ad esempio, tipo di dolce), scegliendo un'opzione da un insieme limitato di classi.
Esistono diversi tipi di classificazione:
- Classificazione binaria: il target ha due possibili esiti (spam/non spam, cookie/non cookie);
- Classificazione multi-classe: tre o più categorie possibili (spam/importante/pubblicità/altro; cookie/marshmallow/caramella);
- Classificazione multi-etichetta: un'istanza può appartenere a più classi contemporaneamente (un film può essere azione e commedia; un'email può essere importante e lavorativa).
Per la maggior parte dei modelli di ML, è necessario codificare il target come un numero. Per la classificazione binaria, gli esiti sono solitamente codificati come 0/1 (ad esempio, 1 - cookie, 0 - non cookie). Per una classificazione multi-classe, gli esiti sono solitamente codificati come 0, 1, 2, ... (ad esempio, 0 - caramella, 1 - cookie, 2 - marshmallow).
Molti modelli diversi possono eseguire la classificazione. Alcuni esempi includono:
- k-Nearest Neighbors;
- Regressione Logistica;
- Albero Decisionale;
- Random Forest.
Fortunatamente, sono tutti implementati nella libreria scikit-learn e sono facili da utilizzare.
Nessun modello di apprendimento automatico è superiore agli altri. Le prestazioni migliori di un modello dipendono dal compito specifico.
Grazie per i tuoi commenti!
