Apprendimento supervisionato (regressione, classificazione, alberi)

Cos'è

L'apprendimento supervisionato insegna a un programma a partire da esempi che arrivano con la risposta giusta. Ogni esempio è un ingresso con la sua etichetta. Se l'etichetta è un numero (un prezzo, una temperatura) il compito è la regressione; se è una categoria (spam o non spam, gatto o cane) è la classificazione. Alberi di decisione, modelli lineari e support vector machine sono modi classici di farlo.

A cosa serve

Ogni volta che hai esempi passati con l'esito noto e vuoi prevedere l'esito di casi nuovi: questo cliente se ne andrà, questa transazione è una frode, a quanto si venderà questa casa. È il tipo di machine learning più usato, ed è un buon punto di partenza prima di passare a qualcosa di più pesante.

Come si fa

Il processo, passo per passo. Librerie e strumenti cambiano; questi passi restano.

1. Di' con precisione cosa vuoi prevedere (l'etichetta) e quali informazioni hai nel momento della previsione (le feature).
2. Raccogli esempi con l'etichetta corretta e puliscili: valori mancanti, duplicati, etichette sbagliate.
3. Dividi i dati in training set e test set, e tieni il test set chiuso nel cassetto fino alla fine.
4. Prova prima un modello semplice (per esempio un albero di decisione o la regressione logistica, con scikit-learn) e misuralo sul test set con una metrica adatta all'obiettivo, come l'accuratezza o l'errore medio.
5. Se è troppo semplice prova un modello più ricco; se va bene solo sui dati di addestramento è in overfitting: semplificalo o aggiungi dati.
6. Usalo su ingressi nuovi, e controlla ogni tanto che i dati reali somiglino ancora a quelli da cui ha imparato.