Unit 5 6 Supervised Learning knowitvideos English Italian

Unit 5 6 Supervised LearningYouTube↗ IA↗(long shot)
Howto & Style 9.3K views 12 likes 0 dislikes 17 Oct 2011

knowitvideos 11.8K subscribers N/A YouTube↗

The vast amount of work in the field

Una vasta quantità di lavoro nel campo

falls into the area of supervised learning.

cade nell'area dell'apprendimento supervisionato.

In supervised learning

Nell'apprendimento supervisionato

you're given for each training example

viene dato per ogni esempio di addestramento

a feature vector

un vettore caratteristico

and a target label named Y.

e un'etichetta obiettivo chiamata Y.

For example, for a credit rating agency

Per esempio, per un'agenzia di valutazione del credito

X1, X2, X3 might be a feature

X1, X2, X3 potrebbero essere caratteristiche

such as is the person employed?

come: "E' la persona occupata?"

What is the salary of the person?

"Qual'è il salario della persona?"

Has the person previously defaulted on a credit card?

"E' stata la persona inadempiente con una carta di credito?"

whether the person is to default

sul fatto che la persona sia inadempiente

on the credit or not.

sul credito o no.

Now machine learning

Ora l'apprendimento automatico

is to be carried out on past data

viene svolto sui dati passati

where the credit rating agency

dove l'agenzia di valutazione del credito

might have collected features just like these

potrebbe aver raccolto caratteristiche come queste

and actual occurances of default or not.

ed attuali casi di inadempienza oppure no.

What it wishes to produce

Quello che cerca di produrre

is a function that allows us

è una funzione che ci permetta

to predict future customers.

di predire i futuri clienti.

So the new person comes in

Quindi la nuova persona arriva

with a different feature vector.

con un vettore caratteristico differente.

Can we predict as good as possible

Possiamo predire al meglio

the functional relationship

la relazione funzionale

between these features X1 to Xn all the way to Y?

tra queste caratteristiche (da X1 a Xn) ed Y?

You can apply the exact same example

Puoi applicare esattamente lo stesso esempio

in image recognition

nel riconoscimento di immagini

where X might be pixels of images

dove X potrebbero essere i pixel delle immagini

or it might be features of things found in images

o potrebbero essere caratteristiche delle cose che si trovano nelle immagini

and Y might be a label that says

ed Y potrebbe essere un'etichetta che dice

whether a certain object is contained

se un certo oggetto è contenuto

in an image or not.

in un'immagine o no.

Now in supervised learning

Ora nell'apprendimento supervisionato

you're given many such examples.

ti sono dati molti esempi del genere

e così via fino ad m.

This is called your data.

Questi sono chiamati "i tuoi dati".

If we call each input vector Xm

Se chiamiamo ogni vettore di input Xm

and we wish to find out the function

e vogliamo trovare la funzione che

given any Xm or any future vector X

dato ogni Xm od ogni vettore futuro X

produces as close as possible

produce nella migliore approssimazione

my target signal Y.

il segnale obiettivo Y.

Now this isn't always possible

Questo non è sempre possibile

and sometimes it's acceptable

ed a volte è accettabile,

in fact preferable

in effetti preferibile,

to tolerate a certain amount of error

tollerare una certa quantità di errore

in your training data.

nei dati di addestramento

But the subject of machine learning

Ma l'oggetto dell'apprendimento automatico

is to identify this function over here.

è identificare la funzione qui sopra.

And once you identify it

E una volta che l'hai identificata

you can use it for future Xs

puoi usarla per i futuri Xs

that weren't part of the training set

che non erano parte del set di addestramento

to produce a prediction

per produrre una predizione

that hopefully is really, really good.

che sperabilmente è molto, molto buona.

So let me ask you a question.

Quindi lasciami fare una domanda.

And this is a question

E questa è una domanda

for which I haven't given you the answer

per la quale non ti ho dato risposta

but I'd like to appeal to your intuition.

ma vorrei ricorrere alla tua intuizione

Here's one data set

Qui c'è un data set

where the X is one dimensionally plotted horizontally

dove X è uni-dimensionale ed orizzontale

and the Y is vertically

e Y è verticale

and suppose there looks like this.

e supponi che appaia così.

Suppose my machine learning algorithm

Supponi che il mio algoritmo di apprendimento automatico

gives me 2 hypotheses.

mi dia due ipotesi

One is this function over here

Una è questa funzione

which is a linear function

che è una funzione lineare

and one is this function over here.

ed una è questa funzione

I'd like to know which of the functions

Vorrei sapere quale delle funzioni

you find preferable

ritieni preferibile

as an explanation for the data.

come spiegazione dei dati.

and here for neither.

e qui per nessuna delle due.

Similar videos:

0 views 0 likes 0 dislikes 06 Jun 2026100% match

WeeklyIdol with SuperJunior مترجم عربي
usir96
45.7K views 187 likes 16 dislikes 15 Sep 2012100% match

Unit 11 09.mp4 Stationary Distribution.mp4

12.4K views 34 likes 2 dislikes 11 Nov 2011100% match

Winnie the Witch 4
Pilar Moure
25.5K views 57 likes 3 dislikes 31 May 2013100% match

Unit 3 5d Question

17.1K views 8 likes 7 dislikes 08 Oct 2011100% match

CEOS Chatter
Fernando Garcia
1.3K views 2 likes 1 dislikes 14 Mar 2012100% match

Mr. Peabody & Sherman
TheCaptionedInternet
43.6K views 74 likes 9 dislikes 03 Mar 2014100% match

Instrucciones para llorar, de Julio Cortázar
Inés Andrés
5.9K views 10 likes 0 dislikes 10 Jan 2012100% match

Unit 3 2 Probabilities

19.5K views 10 likes 0 dislikes 08 Oct 2011100% match

Unit 3 2b Question

18.4K views 1 likes 1 dislikes 08 Oct 2011100% match

Unit 3 12b Question

7.6K views 2 likes 0 dislikes 08 Oct 2011100% match

America By The Numbers with Maria Hinojosa: Clarkston Georgia
Maria Hinojosa
28.6K views 102 likes 29 dislikes 24 Sep 2012100% match

Unit 3 13 D-Separation

12.2K views 4 likes 1 dislikes 08 Oct 2011100% match

El diario de Nikki
Kuenta Libros
14.5K views 56 likes 27 dislikes 21 Nov 2012100% match

ganar habito-vince lombardi
Josito H
15.9K views 62 likes 0 dislikes 04 Mar 2012100% match

Recomendación kuentalibros - pizarra digital y niños con discapacidad auditiva
anitamc20
933 views 1 likes 0 dislikes 21 Dec 2012100% match

Unit 2, Topic 15, Uniform Cost Search

39.1K views 17 likes 23 dislikes 05 Oct 2011100% match

(ENG/CHI SUB) 140216 SM True Thailand Facebook EXO
Baby Xiumin
783 views 10 likes 0 dislikes 16 Feb 2014100% match

Unit 3 10 Different Type of Bayes Network

23.2K views 24 likes 4 dislikes 08 Oct 2011100% match

Unit 2, Topic 6, Graph Search

28.4K views 12 likes 0 dislikes 05 Oct 2011100% match

Unit 4, 6 Sampling Example

8.6K views 8 likes 0 dislikes 06 Oct 2011100% match

0 views 0 likes 0 dislikes 06 Jun 2026100% match

Winnie the Witch 2
Pilar Moure
44.4K views 67 likes 20 dislikes 31 May 2013100% match

0 views 0 likes 0 dislikes 06 Jun 2026100% match

Unit 3 3 Dependence

17.3K views 9 likes 13 dislikes 08 Oct 2011100% match

DokuWiki 01 - Your first Page
Andreas Gohr
23.8K views 27 likes 19 dislikes 25 May 2014100% match

TED & TEDx explained
Kyo young Chu
1.1K views 7 likes 0 dislikes 02 Apr 2012100% match

Unit 2, Topic 1, Introduction

50.3K views 56 likes 2 dislikes 05 Oct 2011100% match

Unit 6 8 Supervised vs Unsupervised Learning

20.7K views 42 likes 4 dislikes 22 Oct 201183% match

What is Supervised Learning?
Matthew Voke
108 views 6 likes 0 dislikes 02 Apr 202067% match