Lezione 9 di 21 · Parte III, Validazione e teoria

Validazione (parte 1) — model selection e assessment

Perché le stime sbagliano: model selection contro model assessment, il controesempio del target casuale, grid e random search, K-fold CV, campionamento e misure d’errore.

4 figure da manipolare.

In questa lezione

• Premessa: bias e varianza
• Motivazioni
• I due obiettivi della validazione
• Un controesempio istruttivo
• Grid search
• K-fold cross-validation
• Casi particolari
• Misure d’errore per la valutazione

Altre lezioni

Reti neurali (parte 2) — addestramento in pratica · Validazione (parte 2) — schemi formali · Tutte le lezioni

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