



Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
intelligenza artificiale su tanti fronti, adatto soprattutto al quinto anno e per collegamenti all'esame di maturità
Tipologia: Schemi e mappe concettuali
1 / 6
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!




punti che gli ho assegnato), trovando nuovi centroidi. Adesso iterativamente ricalcolo le distanze dal nuovo centroide, quindi i gruppi possono cambiare, e ricalcolo centroide e così via, iterando algoritmo. Ci si ferma quando nonostante che io cambio centroidi gli elementi del dataset non cambiano più. Questo algoritmo crea cluster secondo calcolo di punti medi, cioè centroidi. Sicuro i centroidi sono minimo 2, per capire che numero mi serve c’è il metodo del gomito (elbow method): calcolo l’errore (cioè distanza di punti con ogni centroide) per 2, 3, 4 centroidi e così via, fino a quando l’errore non migliora all’aumentare dei claster e capisco che non mi servono più centroidi, se invece vedo che migliora vuol dire che utilizzando quei cluster ho soluzione migliore. CON RINFORZO: quando addestro do un feedback, utente gli dice questo è giusto (positivo) e questo no (negativo). (PREVISIONE è utilizzo algoritmo, ADDESTRAMENTO è come lo preparo, CLUSTER sono insiemi) DEFINIZIONI cosa può accadere utilizzando questi algoritmi?
DISTANZE CON QUEI PUNTI (minimizza i minimi quadrati) L'OBIETTIVO E' IPOTIZZARE L'OUTPUT DI UN INPUT NON DEL TRAINING SET. Il coefficiente di correlazione (r) ci dice se il modello della retta è buono. Più è vicino a 1 o -1 più è buona la soluzione. È la metrica per valutare se l’algoritmo è buono (non solo per come l’ho costruito ma anche il tipo che ho scleto) Per calcolarlo formule sul quaderno. Range è da -1 a 1. Il segno ci dice come è orientata. VEDI APPROFONDIMENTO FILE PROF
RETI NEURALI (algoritmi) (DEEP LEARNING – APPRENDIMENTO APPROFONDITO, ALL’INTERNO DEL MACHINE LEARNING) video