Glossario

Modellazione predittiva

Che cos’è 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.

Temi

modellazione
previsione
machine learning

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

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

Regressione lineare

La regressione lineare è un metodo statistico che descrive la relazione tra una variabile obiettivo e una o più variabili esplicative tramite una retta o un piano. I coefficienti vengono di solito scelti in modo da minimizzare la somma degli scarti al quadrato. Il metodo è semplice da capire e da interpretare: permette ad esempio di stimare di quanto aumenta il fatturato se il budget pubblicitario cresce di 1.000 euro. Con relazioni non lineari mostra i suoi limiti.

Statistica
Previsione
+1

Regressione random forest

La regressione random forest prevede valori numerici combinando molti alberi decisionali. Ogni albero viene addestrato su un campione casuale dei dati e con una selezione casuale di variabili; il risultato è la media delle previsioni di tutti gli alberi. Così il metodo è più robusto e meno soggetto a overfitting di un singolo albero. Si usa ad esempio per previsioni di vendita, stime di prezzo o fabbisogno energetico, spesso come solido punto di partenza con dati tabellari.

regressione
metodo ensemble
+1

Validazione incrociata

La validazione incrociata è un metodo per verificare quanto bene un modello generalizza su dati nuovi e non visti. Nella validazione incrociata a k fold i dati vengono divisi in k parti; il modello viene addestrato k volte su k−1 parti e testato ogni volta sulla parte rimanente, poi si fa la media dei risultati. Così si individua l'overfitting e si confrontano in modo equo modelli o impostazioni, soprattutto con pochi dati.

Valutazione modelli
Validazione
+1