Questo modulo esamina come strutturare un'attività come problema di machine learning e tratta molti dei termini di vocabolario di base condivisi da un'ampia gamma di metodi di machine learning (ML).
Framing
Che cos'è il machine learning (supervisionato)?
Sistemi ML
come combinare l'input
per produrre previsioni utili
su dati mai visti prima
Terminologia: etichette e funzionalità
- Etichetta è la variabile che prevediamo
- In genere rappresentato dalla variabile y
Terminologia: etichette e funzionalità
- Etichetta è la variabile che prevediamo
- In genere rappresentato dalla variabile y
- Le funzionalità sono variabili di input che descrivono i nostri dati
- Tipicamente rappresentato dalle variabili {x1, x2, ..., xn}
Terminologia: esempi e modelli
- Esempio è una particolare istanza di dati, x
- L'esempio etichettato include {features, label}: (x, y)
- Utilizzato per addestrare il modello
- L'esempio senza etichetta contiene {features, ?}: (x, ?)
- Utilizzate per fare previsioni sui nuovi dati
Terminologia: esempi e modelli
- Esempio è una particolare istanza di dati, x
- L'esempio etichettato include {features, label}: (x, y)
- Utilizzato per addestrare il modello
- L'esempio senza etichetta contiene {features, ?}: (x, ?)
- Utilizzate per fare previsioni sui nuovi dati
- Model mappa gli esempi alle etichette previste: y'
- Definito da parametri interni, che vengono appresi