Glossario

Inferenza causale

Che cos’è Inferenza causale?

L'inferenza causale comprende i metodi per ricavare dai dati relazioni di causa ed effetto, invece di limitarsi a individuare correlazioni. Risponde a domande come «Che cosa sarebbe successo se non avessimo adottato questa misura?». Gli strumenti includono esperimenti randomizzati come i test A/B, grafi causali e tecniche statistiche per dati osservazionali. Esempio: verificare se una promozione ha davvero aumentato le vendite o se sarebbero cresciute comunque per motivi stagionali.

Temi

Statistica
Causa ed effetto
Analisi

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

Reti bayesiane

Le reti bayesiane sono modelli grafici che rappresentano le variabili come nodi e le loro dipendenze probabilistiche come frecce orientate. Con il teorema di Bayes permettono di calcolare come nuove osservazioni modifichino la probabilità di altri eventi. Un esempio è il supporto alla diagnosi: dai sintomi osservati si stima la causa più probabile. I punti di forza sono la trasparenza e la capacità di gestire dati incerti o incompleti.

Probabilità
Modelli grafici
+1

Analisi predittiva

L'analisi predittiva usa dati storici, statistica e apprendimento automatico per stimare eventi futuri probabili. Risponde a domande come: quali clienti stanno per disdire? Quanta merce servirà il mese prossimo? Quando è probabile che una macchina si guasti? I risultati sono probabilità, non certezze. Il loro valore dipende molto dalla qualità dei dati e dal fatto che le previsioni entrino davvero nelle decisioni e nei processi.

analisi dati
previsioni
+1

Bias

Nell'IA il bias è una distorsione sistematica dei risultati. Nasce spesso da dati di addestramento sbilanciati o segnati dalla storia, ma anche dalla struttura del modello o dal modo di porre la domanda. Un esempio noto: un filtro per candidature che impara dalle assunzioni passate può perpetuare discriminazioni esistenti. In statistica bias indica anche lo scostamento di una stima dal valore reale. Le contromisure includono dati vari, verifiche regolari e decisioni umane nelle questioni di personale.

Etica dell'IA
Equità
+1

Analisi esplorativa dei dati (EDA)

L’analisi esplorativa dei dati (EDA) è il primo sguardo aperto su un insieme di dati: si calcolano indicatori, si osservano distribuzioni e grafici e si cercano schemi, valori anomali e dati mancanti, ancora senza un’ipotesi precisa. Aiuta a valutare la qualità dei dati e a formulare domande utili per analisi o modelli successivi. Esempio: prima di una previsione delle vendite, l’EDA rivela che un mese è stato registrato in modo incompleto a causa di un cambio di sistema.

Analisi dei dati
Statistica
+1

Modello