Dunque avevamo iniziato nello scorso post a parlare degli algoritmi utilizzabili in ambito ML, ora completiamo questa escursione e ragioniamo su come scegliere quali algoritmi utilizzare.
Sia chiaro, a questo livello così rarefatto, è più un guardare alla statistica in funzione ML che occuparsi davvero di ML. Infatti il corso su Lynda è finito e chiaramente non sono un AI-Expert 🙂
Ma si sapeva dall’inizio che sarebbe stata una leggerissima infarinatura ed ora abbiamo più cose con cui giocare.
Comunque, seguono gli appunti (forse è una parola un tantino esagerata) sulla Regressione Lineare e Apprendimento Ingenuo di Bayes.
Altra cosina molto interessante è la disamina dei metodi per scegliere o far collaborare tutti questi algoritmi così affascinanti:
- Bagging: proviamone un poco e vediamo quale va meglio
- Boosting: usiamoli insieme, ognuno nelle cose che gli riescono meglio
- Stacking: usiamoli in successione per raffinare i risultati.
Settimana prossima deciderò quale altro corso seguire riguardo l’AI o se occuparmi di programmazione. Seguono i miei disordinatissimi appunti come al solito.


Scrivi un commento