HTML CSS JAVASCRIPT SQL PYTHON PHP HOW TO W3.CSS JAVA JQUERY C++ R React
ภาษาไทย Afrikaans العربية čeština Deutsch Español Français हिन्दी Bahasa Indonesia Italiano 日本語 한국어 မြန်မာဘာသာ Nederlands Polski Português Русский Türkçe Tiếng Việt

Esercitazione Python

Python HOME Introduzione di Python Python per iniziare Sintassi Python Commenti Python Variabili Python
Python Variables Variable Names Assign Multiple Values Output Variables Global Variables Variable Exercises
Tipi di dati Python Numeri Python Fusione in pitone Stringhe Python
Python Strings Slicing Strings Modify Strings Concatenate Strings Format Strings Escape Characters String Methods String Exercises
Python booleani Operatori Python Elenchi Python
Python Lists Access List Items Change List Items Add List Items Remove List Items Loop Lists List Comprehension Sort Lists Copy Lists Join Lists List Methods List Exercises
Tuple di Python
Python Tuples Access Tuples Update Tuples Unpack Tuples Loop Tuples Join Tuples Tuple Methods Tuple Exercises
Insiemi Python
Python Sets Access Set Items Add Set Items Remove Set Items Loop Sets Join Sets Set Methods Set Exercises
Dizionari Python
Python Dictionaries Access Items Change Items Add Items Remove Items Loop Dictionaries Copy Dictionaries Nested Dictionaries Dictionary Methods Dictionary Exercise
Python Se... Altro Python While Loops Python per loop Funzioni Python Python Lambda Matrici Python Classi/oggetti Python Ereditarietà Python Iteratori Python Ambito Python Moduli Python Date Python Python matematica Python JSON Python RegEx PIP Python Python Prova... Tranne Input utente Python Formattazione di stringhe Python

Gestione dei file

Gestione dei file Python File di lettura Python Python Scrivi/Crea file Python Elimina file

Moduli Python

Tutorial NumPy Procedura dettagliata di Panda Tutorial Scipy

Python Matplotlib

Introduzione a Matplotlib Matplotlib Inizia Plottaggio Matplotlib Tracciatura Matplotlib Marcatori Matplotlib Linea Matplotlib Etichette Matplotlib Griglia Matplotlib Sottotrame Matplotlib Dispersione Matplotlib Barre Matplotlib Istogrammi Matplotlib Grafici a torta Matplotlib

Apprendimento automatico

Iniziare Modalità mediana media Deviazione standard percentile Distribuzione dei dati Distribuzione normale dei dati Trama a dispersione Regressione lineare Regressione polinomiale Regressione multipla Scala Treno/prova Albero decisionale

Python MySQL

MySQL per iniziare MySQL crea database MySQL Crea tabella Inserimento MySQL MySQL Seleziona MySQL dove MySQL Ordina per Elimina MySQL MySQL Drop Table Aggiornamento MySQL Limite MySQL Unisciti a MySQL

Python MongoDB

MongoDB Inizia MongoDB Crea database MongoDB Crea raccolta Inserisci MongoDB MongoDB Trova Interrogazione MongoDB Ordinamento MongoDB Elimina MongoDB Collezione Drop MongoDB Aggiornamento MongoDB Limite MongoDB

Riferimento Python

Panoramica di Python Funzioni integrate in Python Metodi di stringa Python Metodi dell'elenco Python Metodi del dizionario Python Metodi della tupla Python Metodi di impostazione Python Metodi di file Python Parole chiave Python Eccezioni Python Glossario Python

Riferimento del modulo

Modulo casuale Modulo Richieste Modulo Statistiche Modulo di matematica Modulo cMath

Python come fare per

Rimuovi i duplicati dell'elenco Invertire una stringa Aggiungi due numeri

Esempi Python

Esempi Python Compilatore Python Esercizi di Python Python Quiz Certificato Python

Apprendimento automatico

❮ Precedente Prossimo ❯

Machine Learning sta facendo imparare il computer dallo studio di dati e statistiche.

L'apprendimento automatico è un passo nella direzione dell'intelligenza artificiale (AI).

Machine Learning è un programma che analizza i dati e impara a prevedere il risultato.

Dove iniziare?

In questo tutorial torneremo alla matematica e studieremo le statistiche e come calcolare i numeri importanti in base ai set di dati.

Impareremo anche come utilizzare vari moduli Python per ottenere le risposte di cui abbiamo bisogno.

E impareremo come creare funzioni in grado di prevedere il risultato in base a ciò che abbiamo appreso.

Insieme di dati

Nella mente di un computer, un set di dati è qualsiasi raccolta di dati. Può essere qualsiasi cosa, da un array a un database completo.

Esempio di una matrice:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

Esempio di una banca dati:

CarnameColoreEtàVelocitàPassaggio automatico
BMWrosso599Y
VolvoNero786Y
VWgrigio887n
VWbianco788Y
Guadobianco2111Y
VWbianco1786Y
Teslarosso2103Y
BMWNero987Y
Volvogrigio494n
Guadobianco1178n
Toyotagrigio1277n
VWbianco985n
Toyotablu686Y

Osservando l'array, possiamo indovinare che il valore medio è probabilmente intorno a 80 o 90 e siamo anche in grado di determinare il valore più alto e il valore più basso, ma cos'altro possiamo fare?

E guardando il database possiamo vedere che il colore più popolare è il bianco e l'auto più vecchia ha 17 anni, ma se potessimo prevedere se un'auto avesse un AutoPass, solo guardando gli altri valori?

Ecco a cosa serve l'apprendimento automatico! Analizzare i dati e prevedere il risultato!

In Machine Learning è comune lavorare con set di dati molto grandi. In questo tutorial cercheremo di rendere il più semplice possibile la comprensione dei diversi concetti di machine learning e lavoreremo con piccoli set di dati di facile comprensione.

Tipi di dati

Per analizzare i dati, è importante sapere con quale tipo di dati abbiamo a che fare.

Possiamo suddividere i tipi di dati in tre categorie principali:

  • Numerico
  • Categorico
  • Ordinale

I dati numerici sono numeri e possono essere suddivisi in due categorie numeriche:

  • Dati discreti
    : numeri limitati a numeri interi. Esempio: il numero di auto che passano.
  • Dati continui
    : numeri di valore infinito. Esempio: il prezzo di un articolo o le dimensioni di un articolo

I dati categoriali sono valori che non possono essere misurati l'uno rispetto all'altro. Esempio: un valore di colore o qualsiasi valore sì/no.

I dati ordinali sono come i dati categoriali, ma possono essere misurati l'uno contro l'altro. Esempio: voti scolastici in cui A è migliore di B e così via.

Conoscendo il tipo di dati della tua origine dati, sarai in grado di sapere quale tecnica utilizzare durante l'analisi.

Imparerai di più sulle statistiche e sull'analisi dei dati nei prossimi capitoli.

❮ Precedente Prossimo ❯