Apprendimento supervisionato con scikit-learn

L'apprendimento supervisionato addestra un modello su esempi che hanno la risposta giusta, detta etichetta. Ogni riga ha delle feature (la lunghezza del becco di un pinguino, quella della pinna, l'isola) e un'etichetta (la specie). Il modello impara il legame tra le due, poi predice l'etichetta di righe nuove. È supervisionato perché le etichette fanno da insegnante: il modello viene corretto in base a loro mentre impara.

Sono i due tipi di apprendimento supervisionato. La classificazione predice una categoria, come spam o non spam, o uno tra tre tipi di vino. La regressione predice un numero, come i noleggi di bici di domani o l'andamento della malattia di un paziente. Molti modelli fanno entrambe le cose: esistono un k-NN, un albero decisionale e una random forest per ciascuna, e il corso usa entrambe le versioni.

Lo provi su righe che non ha mai visto durante l'addestramento e lo confronti con una baseline semplice, come indovinare sempre la classe più comune. L'accuratezza da sola può ingannare quando una classe è rara, quindi il corso insegna anche la matrice di confusione, precision, recall, F1 e le curve ROC, più la cross-validation per verificare che il punteggio non sia fortuna.

58 lezioni, circa 10 ore al tuo ritmo: qualche settimana a mezz'ora al giorno. Ogni lezione è un'idea e un esercizio, e la sezione si chiude con il progetto dei pinguini e quattro sfide finali.

Sì. Le lezioni, i grafici, i suggerimenti AI e il certificato della sezione sono gratis. Con un account gratuito fai qualche lezione al giorno, e Pro toglie il limite giornaliero.