Cos'è il Machine Learning?

Il problema umano

Immagina di essere un bambino che impara a riconoscere le mele.

• La mamma ti mostra una mela rossa: "questa è una mela"

• Poi una mela verde: "anche questa è una mela"

• Poi una pera gialla: "questa NON è una mela"

• Poi una mela con un piccolo segno: "è ancora una mela"

Dopo aver visto tanti esempi, tu impari a riconoscere le mele da solo.

Questo è Machine Learning: impari dall'esperienza (dati).

Il problema del computer

Un computer non ha occhi, non ha esperienza. Vede solo numeri.

Se gli dai una mela, lui vede:

[rosso = 0.8, rotondo = 0.9, peso = 150 grammi, dolce = 0.7]

Se gli dai una pera, lui vede:

[giallo = 0.8, forma = 0.3, peso = 180 grammi, dolce = 0.5]

Il computer deve imparare a distinguerli solo da questi numeri.

Le 3 fasi del Machine Learning

FASE 1: I DATI (esempi)

Hai una tabella con esempi. Ogni riga è un "esempio" (chiamato campione).

• Le colonne Colore, Rotondità, Peso, Dolcezza sono le caratteristiche (in inglese: features)

• La colonna RISULTATO è quello che vogliamo prevedere (in inglese: target)

FASE 2: L'ADDESTRAMENTO (training)

Il computer guarda tutti gli esempi e cerca di trovare una regola che li colleghi.

Nel caso delle mele, la regola potrebbe essere:

Se colore > 0.5 E rotondità > 0.6 → è una mela
Se colore < 0.5 E rotondità < 0.4 → è una pera

Il computer non sa la regola. La trova da solo guardando i dati.

FASE 3: LA PREDIZIONE (prediction)

Arriva un nuovo frutto:

[colore = 0.7, rotondità = 0.85, peso = 155, dolcezza = 0.65]

Il computer applica la regola che ha imparato:

colore (0.7) > 0.5 → OK
rotondità (0.85) > 0.6 → OK
→ È una mela!

Esempio pratico (senza codice)

Ora torniamo al tuo problema: prevedere le quantità di consegne.

FASE 1: I TUOI DATI

Ogni giorno hai una consegna:

Le features (cosa sai prima di sapere il risultato):

• Giorno settimana (1 = Lunedì)

• Quantità del giorno prima

Il target (quello che vuoi prevedere):

• Quantità di oggi

FASE 2: IL COMPUTER IMPARA

Il computer guarda questi esempi e cerca una relazione.

Intuisce che:

• Se il giorno è Venerdì, si vende di più

• Se ieri si è venduto tanto, anche oggi si vende tanto

Ma non lo sa con certezza. Cerca una formula matematica che spieghi i dati.

FASE 3: PREDIZIONE

Arriva il 06/01/2024 (Sabato).

Il computer sa:

• Giorno = 6 (Sabato)

• Ieri (venerdì) = 20

Applica la formula che ha trovato e predice: 22 unità.

Due tipi di Machine Learning (importante!)

Tipo 1: REGRESSIONE

Quando la risposta è un numero.

Esempi:

• Quanti gelati venderemo? → 150

• Quale sarà la temperatura? → 28°C

• Quante consegne faremo? → 22

Questo è il tuo caso: stai prevedendo una quantità (numero).

Tipo 2: CLASSIFICAZIONE

Quando la risposta è una categoria.

Esempi:

• Questa è una mela o una pera? → Mela

• Il cliente comprerà sì o no? → Sì

• Questo è spam o non spam? → Spam