Winnow (algoritmo): differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
m Lucarosty ha spostato la pagina Winnow (algoritmo) a Bozza:Winnow (algoritmo): (B3) voce potenzialmente enciclopedica ma tradotta con un sistema di traduzione automatica o scritta in un italiano incomprensibile |
m Bot: disattivo categorie e aggiungo template bozza |
||
Riga 1:
{{Bozza|arg=|arg2=|ts=20250821092509|wikidata=Q8025857}}<!-- IMPORTANTE: NON CANCELLARE QUESTA RIGA, SCRIVERE SOTTO -->
L' algoritmo '''Winnow''' <ref name=":0">{{Cita pubblicazione|nome=Nick|cognome=Littlestone|data=1988-04-01|titolo=Learning Quickly When Irrelevant Attributes Abound: A New Linear-Threshold Algorithm|rivista=Machine Learning|volume=2|numero=4|pp=285–318|lingua=en|accesso=2025-08-20|doi=10.1023/A:1022869011914|url=https://doi.org/10.1023/A:1022869011914}}</ref> è una procedura di [[apprendimento automatico]] per l'apprendimento di un [[classificatore lineare]] da esempi etichettati. È molto simile all'algoritmo del [[percettrone]], ma mentre questo utilizza uno schema di aggiornamento dei pesi, mentre Winnow utilizza uno schema moltiplicativo che gli consente di funzionare molto meglio quando molte dimensioni (''feature'') non sono rilevanti (da cui il nome, che significa [[Crivello|setaccio]]). L'algoritmo è semplice e si adatta bene a dati ad alta dimensionalità. Durante l'addestramento, a Winnow viene mostrata una sequenza di esempi positivi e negativi. Da questi esso apprende un [[iperpiano]] di decisione che può quindi essere utilizzato per etichettare nuovi esempi come positivi o negativi. L'algoritmo può essere utilizzato anche in contesti di apprendimento online, dove la fase di apprendimento e quella di classificazione non sono chiaramente separate.
Riga 33 ⟶ 34:
<references/>
{{Categorie bozza|
[[Categoria:Algoritmi di classificazione]]
[[Categoria:Apprendimento automatico]]
}}
| |||