Autore: Matteo Alberti
Tradizionalmente abbiamo tre tipi di apprendimento differenti nel machine learningย ย (Apprendimento Automatico):
- Apprendimento Supervisionato
- Apprendimento Non-Supervisionato
- Apprendimento per Rinforzo
ย
Apprendimento Supervisionato
Lโapprendimento supervisionato ha come obiettivo quello di dedurre una data funzione dai dati di addestramento.
Tali dati consistono in una coppia costituita da un vettore di input ed un valore di output desiderato.
Si possono aver due differenti situazioni:
- Classificazione: quando la variabile output desiderata รจ categorica (qualitativa nominali o ordinale)
Un tipico esempio in ambito di marketing puรฒ essere quello di classificare buoni/cattivi clienti mentre nellโambito medico quello di predire da una radiografia la presenza o meno di una malattia dati i sintomi
- Regressione: quando la variabile output desiderata รจ quantitativa
Tipico problema della statistica classica in cui dato un insieme di variabili vogliamo andar a prevedere il valore della nostra variabile oggetto dellโanalisi
Lโidea di base รจ quella di trovare un insieme di pesi che siano in grado di predire correttamente lโoutput desiderato dato qualsiasi valore di input dei dati, generalizzando da dati di apprendimento a situazioni differenti.
Dei tipici esempi di algormitmi per apprendimento supervisionato sono:
- Regressione lineare, alberi decisionali, .. per problemi di regressione
- Logistica, alberi decisionali, ANN per problemi di classificazioni
ย
ย
ย
Apprendimento Non-Supervisionato
Nellโapprendimento non supervisionato abbiamo unicamente i dati di input senza alcun output desiderato. Lโobiettivo รจ quello di modellizzare la sottostante distribuzione dei dati, andando per esempio a preservare la locale geometria del dato, riducendo il numero di dimensioni per condurre ulteriori analisi o riducendo alle due singole dimensioni riducendoci ai metodi grafici.
Gli algoritmi di apprendimento non supervisionato possono essere suddivisi in tre differenti situazioni:
- Clustering: Lโobiettivo รจ quello di scoprire raggruppamenti nei dati
- Analisi delle associazioni: Vogliamo andare a scoprire le regole che meglio riescono a descrivere la maggior porzione di dati possibile
- Quantile estimation
ย
Esempi comuni di apprendimento non supervisionato sono:
- Algoritmo delle k-medie
- Algoritmi Apriori per problemi di analisi delle associazioni
- Analisi delle componenti principali
ย
ย
Apprendimento Semi-Supervisionato
Nellโapprendimento semi-supervisionato solo una parte dellโinformazione รจ presente, ci troviamo dunque in un caso al limite fra il supervisionato e non supervisionato.
Un esempio tipico puรฒ esser il riconoscimento di oggetti da immagini.
ย
Apprendimento per Rinforzo:
Lโapprendimento per Rinforzo pone come obiettivo come classificare differenti situazioni al fine di intraprendere unโazione.
Il principale campo di applicazione consiste nellโapplicazione alla robotica dove, il nostro agente รจ posizionato allโinterno di un ambiente (environment) ed in ogni step possiamo ricevere una ricompensa data da unโazione positiva. Un esempio comune sono simulatori e bot nei videogiochi
ย