Naive Bayes è una famiglia di semplici metodi di classificazione basati sul teorema di Bayes. Sono detti “ingenui” perché presuppongono che tutte le caratteristiche siano indipendenti tra loro, cosa raramente vera nella pratica ma che spesso porta comunque a buoni risultati. Sono veloci, richiedono pochi dati di addestramento e si prestano bene ai testi. Esempio classico è il filtro antispam che classifica le e-mail in base a parole tipiche.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoUn classificatore è un modello o un metodo che assegna un input a una tra diverse categorie predefinite. Le varianti classiche, come gli alberi decisionali o Naive Bayes, vengono addestrate con esempi etichettati; anche i modelli linguistici possono classificare testi sulla base di una descrizione delle categorie. Usi tipici sono il rilevamento dello spam, lo smistamento delle richieste dei clienti per tema e la classificazione di documenti contabili. La qualità si misura con metriche come accuratezza, precisione e recall.
La classificazione del testo assegna automaticamente i testi a categorie predefinite, ad esempio e-mail per tipo di richiesta, recensioni per sentiment o documenti per argomento. In passato servivano modelli dedicati addestrati su esempi etichettati; oggi i grandi modelli linguistici riescono spesso a classificare partendo da una semplice descrizione. Così le richieste possono essere smistate e inoltrate più rapidamente al reparto giusto.
La regressione logistica è un metodo statistico che stima la probabilità di uno tra due esiti, ad esempio “acquista” o “non acquista”. Pondera le caratteristiche in ingresso e trasforma la loro somma in un valore tra 0 e 1 tramite una funzione a forma di S. Poiché i pesi sono facilmente interpretabili, è molto usata in valutazione del credito, medicina e marketing, spesso come base di confronto per modelli più complessi.
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.
