Apprendimento bayesiano: differenze tra le versioni

Versione delle 11:11, 14 lug 2011

Versione attuale delle 14:36, 25 lug 2024

(9 versioni intermedie di 6 utenti non mostrate)

Riga 1:

{{S|matematica dell'informazione e della comunicazione}}

L''''apprendimento bayesiano''' sfruttaè un metodo computazionale di apprendimento basato sul calcolo delle probabilità, che può fornire predizioni probabilistiche sfruttando i principi del [[teorema di Bayes]] per farerealizzare un [[apprendimento non supervisionato]] (mediante le [[Reti Bayesiane|reti bayesiane]]) e mediante i [[Classificatore bayesiano|classificatori bayesiani]]).

==IntroduzioneBibliografia==

* Mitchell, T. (1997), ''Machine Learning'', McGraw Hill. ISBN 0-07-042807-7

Nell'[[apprendimento non supervisionato]] si cerca di classificare gli input.

Si può supporre che essi si distribuiscano mediante una determinata probabilità.

Si può allora creare una tabella in cui si misurano tutti gli eventi con le loro occorrenze, e fare inferenza da questi. In questo caso si tratta di Classificatori Bayesiani.

In questo caso si deve stimare la densità congiunta di una variabile dato tutte le altre, un problema di complessità esponenziale. Nelle applicazioni pratiche si predilige assumere l'indipendenza di tutte le variabili. In questo caso si ha un [[classificatore bayesiano]] naif.

L'indipendenza delle variabili però è un caso molto raro nelle applicazioni pratiche. Quando si necessita di fare delle ipotesi su variabili condizionate si predilige utilizzare una [[rete bayesiana]].

== Voci correlate ==

*[[Apprendimento automatico|Machine Learning]]

*[[Apprendimento non supervisionato]]

*[[Classificatore Bayesianobayesiano]]

*[[Inferenza bayesiana]]

*[[Reti Bayesianebayesiane]]

*[[Statistica bayesiana]]

*[[Teorema di Bayes]]

*[[Reti Bayesiane]]

*[[Classificatore Bayesiano]]

{{Portale|neuroscienze}}

[[Categoria:Intelligenza artificiale]]

[[Categoria:Apprendimento automatico]]

[[Categoria:Statistica bayesiana]]