ML classico: modelli, metriche, feature engineering
K-means fallisce su cluster a forma irregolare e non conosce il concetto di rumore. DBSCAN e il clustering gerarchico risolvono…
K-means trova gruppi nei dati senza che nessuno gli dica quali cercare. In questo tutorial lo implementiamo da zero in…
Alcuni dati non si possono dividere con una linea retta, per quanto la si giri. Le support vector machine risolvono…
Un albero debole sbaglia. Un secondo albero impara dagli errori del primo, un terzo da quelli del secondo. Il gradient…
Un albero di decisione singolo è leggibile ma instabile. La random forest ne addestra centinaia, ognuno volutamente diverso, e li…
Come funziona un albero di decisione, perché è il modello più leggibile del machine learning e come addestrarne uno in…
Prima dei transformer, a leggere le nostre email c'era un teorema del Settecento e un'ipotesi palesemente falsa. Naive Bayes classifica…
k-NN non impara nulla durante il training: memorizza i dati e classifica ogni nuovo punto guardando i suoi vicini. In…
Quando la risposta è sì o no — spam o legittima, promosso o bocciato — la retta non basta più:…
Ha più di due secoli, si risolve con una formula chiusa e resta il primo modello che un data scientist…
