Oltre il gradiente: hill climbing, simulated annealing, algoritmi genetici
La discesa del gradiente vuole una funzione derivabile e liscia. Ma se il tuo problema è una scatola nera piena…
La discesa del gradiente vuole una funzione derivabile e liscia. Ma se il tuo problema è una scatola nera piena…
Il tuo dataset ha decine di colonne, ma quante servono davvero? La feature selection separa le colonne che informano da…
Hai passato un pomeriggio a provare modelli a mano? L'AutoML automatizza la scelta del modello e degli iperparametri dentro un…
Provare gli iperparametri a mano è come cercare le chiavi al buio: lento e senza garanzie. Grid search e random…
Il tuo modello ha un punteggio deludente: serve più dati, un modello più potente o più regolarizzazione? Tirare a indovinare…
Scaler, imputer, encoder, modello: quattro oggetti, quattro fit, mille occasioni per sbagliare. Una Pipeline li incatena in un unico stimatore…
Scaler, modelli, encoder: in scikit-learn tutto si usa allo stesso modo, con tre metodi che formano il ciclo di vita…
Un modello che azzecca il 99% sul tuo notebook e crolla in produzione ha quasi sempre lo stesso problema: hai…
Il modello vuole numeri, ma la tua colonna dice "Milano", "Roma", "Napoli". Trasformarla in 0, 1, 2 sembra ovvio —…
Il tuo modello si rifiuta di partire per colpa di qualche NaN? Prima di cancellare righe a caso, fermati: eliminare,…