Blog
La Regressione Logistica: Implementazione del Modello - (3/3)
Per implementare il modello di Regressione Logistica, possiamo prendere l’implementazione di Adaline e cambiare, oltre al nome della classe, l’implementazione …
La Regressione Logistica: Spiegazione del Modello - (2/3)
La Regressione Logistica è un metodo statistico utilizzato per la classificazione binaria, ovvero per prevedere la probabilità che un’osservazione appartenga a una …
La Regressione Logistica: Concetti di Base - (1/3)
Prima di analizzare nel dettaglio il modello di Regressione Logistica, è utile ripassare alcuni concetti fondamentali di probabilità e statistica. In particolare, …
Neural Network: Implementazione del Modello e Classificazione - (4/4)
Avendo derivato le equazioni usate nella fase di backpropagation, possiamo implementare il modello di rete neurale con un singolo hidden layer, che avevamo parzialmente …
Neural Network: Backpropagation nell'Hidden Layer - (3/4)
Consideriamo inizialmente una rete con un singolo hidden layer, formato da due nodi, e un output layer anch’esso formato da due nodi. Vogliamo calcolare le derivate …
Neural Network: Backpropagation nell'Output Layer - (2/4)
La Backpropagation è l’acronimo di ‘backward propagation of errors’, ed è un modo per regolare i parametri di una rete neurale, per minimizzare …
Neural Network: Introduzione e Forward Propagation - (1/4)
Una Rete Neurale è un modello computazionale progettato per risolvere problemi complessi di riconoscimento di pattern presenti nel dataset di input. Essa è costituita da …
La Regolarizzazione del Modello
Nella fase di training di un modello, l’uso di valori ’estremi’ dei parametri può portare a problemi di overfitting. Come abbiamo già visto, …
Decision Tree: Classificazione - (3/3)
Nel post precedente abbiamo ’toccato con mano’ l’implementazione della classe DecisionTreeClassifier. Ora proviamo ad usarla con alcuni semplici …