Classificazione dei dati

Pagina 1

Classificazione dei dati I modelli di classificazione sono metodi di apprendimento supervisionato per la predizione del valore di un attributo target categorici, al contrario dei metodi di regressione che riguardano attributi numerici. A partire da un set di osservazioni passate, la cui classe target è nota, i modelli di classificazione sono usati per generare un set di regole che permettono di predire la classe target di osservazioni future. Le regole assumono forme diverse in relazione al tipo di metodo impiegato. Solitamente si ha un training set con il quale si allena il modello e con cui si crea quest’ultimo; tale modello viene poi testato su un test s et, ovvero un sottoinsieme del dataset iniziale tenuto nascosto al modello per questa fase. È importare effettuare un opportuno dimensionamento tra training e test set, poiché un training set troppo grande causa la gene razione di un modello pressoché perfetto per la predizione di dati passati (problema di over fitting e di eccessiva aderenza ai dati del pa ssato) ma inaffidabile sui dati futuri; dualmente un training set troppo piccolo genera modelli molto complessi che si adattano al futuro ma aderiscono male al passato. Lo sviluppo di algoritmi capaci di apprendimento dall’esperienza passata rappresenta un passo fondamentale nell’emulazione di capacit{ del cervello umano. Problemi di classificazione Abbiamo un dataset D contenente m osservazioni descritte in termini di n attributi esplicativi e un attributo target categorico. Gli attributi esplicativi, anch e noti come variabili di predizione , possono essere parzialmente categorici e parzialmente numerici. L’attributo target è anche detto classe o etichetta, mentre le osservazioni sono dette esempi o istanze. In particolare, abbiamo un problema di classificaz…