Glossario

Metodi Monte Carlo

Che cos’è Metodi Monte Carlo?

I metodi Monte Carlo sono procedure di calcolo che, grazie a un numero molto elevato di campioni casuali, approssimano risultati difficili da ottenere per via analitica. Si simula un sistema migliaia di volte con ipotesi variate a caso e si analizza la distribuzione dei risultati. Le aziende li usano ad esempio per analisi del rischio, pianificazione dei progetti o valutazione di portafogli. Nell’IA trovano impiego, tra l’altro, nell’apprendimento per rinforzo e nella ricerca ad albero nei giochi.

Temi

simulazione
statistica
analisi del rischio

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

Apprendimento per rinforzo (RL)

L'apprendimento per rinforzo (reinforcement learning) è un ramo dell'apprendimento automatico in cui un agente impara per tentativi ed errori. Agisce in un ambiente, riceve ricompense per i buoni risultati e penalità per quelli cattivi, e sviluppa così una strategia che massimizza il beneficio complessivo. Esempi noti sono i programmi che padroneggiano giochi da tavolo come il Go, il controllo di robot e l'affinamento dei modelli linguistici sulla base di valutazioni umane.

metodo di apprendimento
ricompensa
+1

Modellazione predittiva

La modellazione predittiva è il nucleo tecnico dell'analisi predittiva: da dati di esempio con esito noto si costruisce un modello che prevede un valore o una classe per casi nuovi. Metodi tipici sono regressione, alberi decisionali, random forest e reti neurali. Un modello può ad esempio stimare il prezzo di un immobile a partire da superficie, posizione e anno di costruzione. Prima dell'uso viene verificato su dati tenuti da parte, per individuare l'overfitting.

modellazione
previsione
+1

Modello di Markov nascosto (HMM)

Un modello di Markov nascosto (Hidden Markov Model, HMM) è un modello statistico per sequenze in cui gli stati reali sono nascosti e si possono dedurre solo da segnali osservabili. Descrive con quale probabilità uno stato segue l’altro e quale osservazione produce. Gli HMM sono stati a lungo lo standard nel riconoscimento vocale e nell’etichettatura delle parti del discorso; oggi si usano ancora, ad esempio, in bioinformatica e nell’analisi di serie temporali.

Statistica
Modelli di sequenza
+1