Non aggiorniamo più il servizio Amazon Machine Learning né accettiamo nuovi utenti. Questa documentazione è disponibile per gli utenti esistenti, ma non la aggiorneremo più. Per ulteriori informazioni, consulta la paginaCos'è Amazon Machine Learning.
Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Tipi di modelli ML
Amazon ML supporta tre tipi di modelli ML: di classificazione binaria, di classificazione multiclasse e di regressione. Il tipo di modello che è opportuno scegliere dipende dal tipo di destinazione che si desidera prevedere.
Modello di classificazione binario
I modelli ML per i problemi di classificazione binaria prevedono un esito binario (una tra due possibili classi). Per addestrare i modelli di classificazione binaria, Amazon ML utilizza l'algoritmo di apprendimento standard del settore noto come regressione logistica.
Esempi di problemi di classificazione binaria
-
"Questa e-mail è spam o non spam?"
-
"Il cliente acquisterà questo prodotto?"
-
"Questo prodotto è un libro o un animale da fattoria?"
-
"Questa recensione è scritta da un cliente o da un robot?"
Modello di classificazione multiclasse
I modelli ML per problemi di classificazione multiclasse consentono di generare previsioni per più classi (per prevedere uno tra più di due esiti). Per addestrare i modelli di classificazione multiclasse, Amazon ML utilizza l'algoritmo di apprendimento standard del settore noto come regressione logistica multinomiale.
Esempi di problemi multiclasse
-
"Questo prodotto è un libro, un film o un abito?"
-
"Questo film è una commedia romantica, un documentario o un thriller?"
-
"Quale categoria di prodotti è più interessante per questo cliente?"
Modello di regressione
I modelli ML per i problemi di regressione prevedono un valore numerico. Per addestrare i modelli di regressione, Amazon ML utilizza l'algoritmo di apprendimento standard del settore noto come regressione lineare.
Esempi di problemi di regressione
-
"Che temperatura ci sarà domani a Seattle?"
-
"Per questo prodotto, quante unità si venderanno?"
-
"A che prezzo sarà venduta questa casa?"