![Introduzione al clustering non supervisionato con K-Means](/content/images/size/w600/2023/08/kmeans.png)
Introduzione al clustering non supervisionato con K-Means
L'apprendimento non supervisionato è una branca fondamentale dell'analisi dei dati che si concentra sulla scoperta di strutture nascoste nei dati senza la presenza di etichette di output.
L'apprendimento non supervisionato è una branca fondamentale dell'analisi dei dati che si concentra sulla scoperta di strutture nascoste nei dati senza la presenza di etichette di output.
Il data leakage rappresenta, insieme all'over/underfitting, la causa principale di fallimento di progetti di machine learning che vanno in produzione. Scopri come evitarlo in questo articolo.
Come approcciare al riconoscimento delle immagini e delle cifre MNIST con una rete neurale convolutiva usando Keras e TensorFlow
Fai scelte intelligenti per la tua strategia aziendale: quando utilizzare il machine learning e quando optare per soluzioni più semplici. Esplora i vantaggi e le sfide dell'adozione dei modelli di apprendimento automatico per prendere decisioni informate
Una guida su come approcciare le variabili categoriali presenti all'interno di un dataset ai fini del machine learning e data science
Strategia e modellazione della competizione Kaggle dove si prevede la competenza linguistica di studenti liceali che studiano l'inglese
Un articolo che esplora le tecniche per identificare le anomalie (outlier detection) nei dataset. Scopri come utilizzare la visualizzazione dei dati, score z e tecniche di clustering per individuare valori anomali
L'importanza dei vettori nella rappresentazione di concetti complessi in formato numerico per lo sviluppo di modelli di machine learning. Tecniche di rappresentazione vettoriale come One-Hot Encoding, embedding, TF-IDF e bag of words, al fine di catturare relazioni semantiche tra i concetti
La grid search è una tecnica utilizzata per trovare i migliori iperparametri di un modello di machine learning e può essere particolarmente utile quando ci sono molti iperparametri da considerare.