unimore/triennale-appunti-steffo
unimore/triennale-appunti-steffo
1
Fork 0
mirror of https://github.com/Steffo99/unisteffo.git synced 2024-11-21 15:34:21 +00:00
Code Activity

machinelearning: Study

Browse source
This commit is contained in:
Steffo 2022-09-29 23:37:20 +02:00
parent 2f40c98538
commit 8693f06997
Signed by: steffo
GPG key ID: 6965406171929D01
2 changed files with 51 additions and 45 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

8
pages/year4/machinelearning/index.tsx
View file

@ -17,22 +17,22 @@ const Page: NextPage = () => {
Machine learning
</Heading>
<Chapter>
<Box todo>
<Box>
<Heading level={3}>
Premessa
</Heading>
<p>
TODO
Anche questo corso sembra interessante: spero solo di non impantanarmi nella matematica come al solito!
</p>
</Box>
</Chapter>
<Chapter>
<Box todo>
<Box>
<Heading level={3}>
Materiale raccolto
</Heading>
<p>
TODO
Sto seguendo le lezioni di questo corso, pertanto sto raccogliendo attivamente materiale.
</p>
<Chapter>
<Panel>

88
pages/year4/machinelearning/teoria.tsx
View file

@ -25,59 +25,65 @@ const Page: NextPage = () => {
<Heading level={3}>
Concetto base
</Heading>
<Box todo>
<Box>
<Heading level={3}>
Machine learning
</Heading>
<p>
L&apos;obiettivo del <i>machine learning</i> è quello di costruire un <b>modello matematico</b> in grado di mappare tutti i valori di uno spazio di "input" <X/> a quelli di un altro spazio di "output" <Y/>.
L&apos;obiettivo del <i>machine learning</i> è quello di costruire un <B>modello matematico</B> in grado di associare tutti i valori di uno spazio di input <X/> a quelli di un altro spazio di output <Y/>.
</p>
<p>
<TeX block math={r`F: \mathbb{X} → \mathbb{Y}`}/>
</p>
</Box>
</Chapter>
<Chapter>
<Box builtinColor={"cyan"}>
<Heading level={3}>
Supervised learning
</Heading>
<p>
Quando <B>si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
Per costruire il modello, usano <B>insiemi di associazioni</B> tra un <B>vettore di input</B> <TeX math={r`\mathbf{x} \in \mathbb{X}`}/> e un <B>risultato di output</B> <TeX math={r`y \in \mathbb{Y}`}/>:
</p>
<p>
In particolare, i problemi risolti in questo caso sono detti:
<TeX block math={r`D = { ( \mathbf{x}_i, y_i ), i = 1, \dots, N, \mathbf{x}_i \in {X}, y_i \in {Y} }`}/>
</p>
<ListUnordered>
<ListUnordered.Item>
<I>Problemi di <B>binary classification</B></I> se <TeX math={r`\mathbb{Y} = \{ +1, -1 \}`}/>
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>multi-class classification</B></I> se <TeX math={r`\mathbb{Y} = \{ 0, 1, \dots, n \}`}/>
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>regression</B></I> se <TeX math={r`\mathbb{Y} = \{ 0, 1, \dots, n \}`}/>
</ListUnordered.Item>
</ListUnordered>
</Box>
<Box builtinColor={"orange"}>
<Heading level={3}>
Unsupervised learning
</Heading>
<p>
Quando <B>non si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
</p>
<p>
In particolare, i problemi risolti in questo caso sono detti:
</p>
<ListUnordered>
<ListUnordered.Item>
<I>Problemi di <B>novelty detection</B></I> se si cerca di capire se qualcosa è simile o nuovo rispetto agli elementi precedenti
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>clustering</B></I> se si cerca di trovare gruppi a cui potrebbero appartenere gli elementi
</ListUnordered.Item>
</ListUnordered>
<Chapter>
<Box>
<Heading level={3}>
Supervised learning
</Heading>
<p>
Quando <B>si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
</p>
<p>
In particolare, i problemi risolti in questo caso sono detti:
</p>
<ListUnordered>
<ListUnordered.Item>
<I>Problemi di <B>binary classification</B></I> se <TeX math={r`\mathbb{Y} = \{ +1, -1 \}`}/>
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>multi-class classification</B></I> se <TeX math={r`\mathbb{Y} = \{ 0, 1, \dots, n \}`}/>
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>regression</B></I> se <TeX math={r`\mathbb{Y} = \{ 0, 1, \dots, n \}`}/>
</ListUnordered.Item>
</ListUnordered>
</Box>
<Box>
<Heading level={3}>
Unsupervised learning
</Heading>
<p>
Quando <B>non si è a conoscenza</B> del dominio dello spazio di output <Y/>, il machine learning è detto <I>supervised learning</I>.
</p>
<p>
In particolare, i problemi risolti in questo caso sono detti:
</p>
<ListUnordered>
<ListUnordered.Item>
<I>Problemi di <B>novelty detection</B></I> se si cerca di capire se qualcosa è simile o nuovo rispetto agli elementi precedenti
</ListUnordered.Item>
<ListUnordered.Item>
<I>Problemi di <B>clustering</B></I> se si cerca di trovare gruppi a cui potrebbero appartenere gli elementi
</ListUnordered.Item>
</ListUnordered>
</Box>
</Chapter>
</Box>
</Chapter>
<Chapter>