Apprendimento automatico e Apprendimento supervisionato

Scorciatoie: Differenze, Analogie, Jaccard somiglianza Coefficiente, Riferimenti.

Differenza tra Apprendimento automatico e Apprendimento supervisionato

Apprendimento automatico vs. Apprendimento supervisionato

L’apprendimento automatico, nota anche come machine learning, rappresenta un insieme di metodi sviluppati a partire dagli ultimi decenni del 1900 in varie comunità scientifiche con diversi nomi come: statistica computazionale, riconoscimento di pattern, reti neurali artificiali, filtraggio adattivo, teoria dei sistemi dinamici, elaborazione delle immagini, data mining, algoritmi adattivi, ecc; che utilizza metodi statistici per migliorare progressivamente la performance di un algoritmo nell'identificare pattern nei dati. L'apprendimento supervisionato è una tecnica di apprendimento automatico che mira a istruire un sistema informatico in modo da consentirgli di risolvere dei compiti in maniera autonoma sulla base di una serie di esempi ideali, costituiti da coppie di input e di output desiderati, che gli vengono inizialmente forniti.

Albero di decisione

Nella teoria delle decisioni (per esempio nella gestione dei rischi), un albero di decisione è un grafo di decisioni e delle loro possibili conseguenze, (incluso i relativi costi, risorse e rischi) utilizzato per creare un 'piano di azioni' (plan) mirato ad uno scopo (goal).

Albero di decisione e Apprendimento automatico · Albero di decisione e Apprendimento supervisionato · Mostra di più »

Analisi della regressione

L'analisi della regressione è una tecnica usata per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti.

Analisi della regressione e Apprendimento automatico · Analisi della regressione e Apprendimento supervisionato · Mostra di più »

Apprendimento non supervisionato

L'apprendimento non supervisionato è una tecnica di apprendimento automatico che consiste nel fornire al sistema informatico una serie di input (esperienza del sistema) che egli riclassificherà ed organizzerà sulla base di caratteristiche comuni per cercare di effettuare ragionamenti e previsioni sugli input successivi.

Apprendimento automatico e Apprendimento non supervisionato · Apprendimento non supervisionato e Apprendimento supervisionato · Mostra di più »

Apprendimento per rinforzo

L'apprendimento per rinforzo è una tecnica di apprendimento automatico che punta ad attuare sistemi in grado di apprendere ed adattarsi alle mutazioni dell'ambiente in cui sono immersi attraverso la distribuzione di una "ricompensa" detta rinforzo che consiste nella valutazione delle loro prestazioni.

Apprendimento automatico e Apprendimento per rinforzo · Apprendimento per rinforzo e Apprendimento supervisionato · Mostra di più »

Macchine a vettori di supporto

Le macchine a vettori di supporto (SVM, dall'inglese Support Vector Machines), o macchine kernel, sono delle metodologie di apprendimento supervisionato per la regressione e la classificazione di pattern, sviluppati negli anni '90 da Vladimir Vapnik ed il suo team presso i laboratori Bell della AT&T.

Apprendimento automatico e Macchine a vettori di supporto · Apprendimento supervisionato e Macchine a vettori di supporto · Mostra di più »

Rete bayesiana

Una rete bayesiana (BN, Bayesian network) è un modello grafico probabilistico che rappresenta un insieme di variabili stocastiche con le loro dipendenze condizionali attraverso l'uso di un grafo aciclico diretto (DAG).

Apprendimento automatico e Rete bayesiana · Apprendimento supervisionato e Rete bayesiana · Mostra di più »

Sistema esperto

Un sistema esperto è un programma che cerca di riprodurre le prestazioni di una o più persone esperte in un determinato campo di attività, ed è un'applicazione o una branca dell'intelligenza artificiale.

Apprendimento automatico e Sistema esperto · Apprendimento supervisionato e Sistema esperto · Mostra di più »