Lezione 5 di 21 · Parte II, Modelli lineari e reti neurali

Modelli lineari e K-nearest neighbors

Regressione e classificazione lineare con LMS, equazioni normali e discesa del gradiente, regolarizzazione; poi il K-NN, il classificatore di Bayes e la maledizione della dimensionalità.

23 figure da manipolare.

In questa lezione

• Notazione sui dati
• Modelli lineari
• Classificazione con modelli lineari
• Il problema di apprendimento
• Limiti dei modelli lineari
• Estendere il modello lineare
• Regolarizzazione: il controllo della complessità
• K-nearest neighbors

Altre lezioni

Generalizzazione e validazione · Reti neurali (parte 1) — dal neurone al MLP · Tutte le lezioni

Appunti di Fabio Piscitelli — Machine Learning (654AA), prof. Alessio Micheli, Università di Pisa, a.a. 2026/27.