Apprendimento Automatico con Python. Apprendimento Supervisionato: Vicino Più Prossimo, Bayes Naive, Ensemble Modello

Gli algoritmi di apprendimento automatico utilizzano metodi computazionali per estrarre informazioni direttamente dai dati. L'apprendimento automatico utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti in modo da poter prevedere risultati futuri, e l'apprendimento non supervisionato, che individua pattern nascosti o strutture intrinseche nei dati di input. La maggior parte delle tecniche di apprendimento supervisionato viene sviluppata in questo libro da un punto di vista metodologico e pratico, con applicazioni tramite il software Python. Le seguenti tecniche sono trattate in modo approfondito: Nearest Neighbor (kNN), Support Vector Machine (SVM), Naive Bayes, Ensemble Methods, Bagging, Boosting, Voting, Stacking, Blending, Random Forest, Reti Neurali, Perceptron Multistrato, Reti a Base Radiale, Reti di Hopfield, Reti LSTM, Reti Ricorrenti (RNN), Reti GRU e Reti Neurali per la Previsione di Serie Temporali.