<div dir="ltr"><br><div class="gmail_extra"><br><div class="gmail_quote">Alessandro Re wrote:<br><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">Michele Orru` wrote:<br>
<span class="">> Balan Victor wrote:<br>
>> Qualcuno ha esperienza?Ha mai applicato questi concetti nella vita reale?<br>
<br>
</span><span class="">> In merito al "già provato PyBrain", suggerirei invece di provare a usare<br>
> scikit-learn. Ho contribuito al progetto PyBrain per un po' di tempo<br>
> nella mia adolescenza, e credo che scikit-learn sia lontanamente più<br>
> maturo, adottato, e ricco.<br>
<br>
</span>Uhm, non sono un esperto con nessuna delle due librerie, ma l'ultima<br>
volta che avevo visto pybrain c'era un supporto un po' più esteso alle<br>
reti neurali rispetto a scikit-learn, che invece non mi sembra così<br>
ricco per questo argomento specifico, ma magari mi sbaglio.<br></blockquote><div><br></div><div>+1. </div><div>Scikit-learn non ha assolutamente supporto per ANN (Artificial Neural Network), se non a livello molto embrionale e limitato ad approcci</div><div>unsupervised.</div><div>Una menzione honoris-causa al **Perceptron** (`sklearn.linear_model.Perceptron`), ma è solo il mattoncino lego di una rete neurale</div><div>più complessa ed è incluso in scikit principalmente perché è un modello di classificazione molto molto semplice, sia da implementare</div><div>che come modello matematico (i.e. [sigmoid functions](<a href="http://en.wikipedia.org/wiki/Sigmoid_function">http://en.wikipedia.org/wiki/Sigmoid_function</a>))</div><div><br></div><div>Per le reti neurali, esistono altri framework/librerie nell'ecosistema Python, e *PyBrain* è uno di questi (come già suggerito da Alessandro).</div><div><br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">Alessandro Re wrote:<br><span class="">> Balan Victor wrote:<br></span><span class="im" style="font-size:12.8000001907349px">> Qualcuno ha esperienza? Ha mai applicato questi concetti nella vita reale?</span><span class="im" style="font-size:12.8000001907349px"><br></span><span style="font-size:12.8000001907349px">Sì, ma dipende: per fare cosa?</span></blockquote><div><br></div><div>+n</div><div><br></div><div>In molti contesti di computer science, e per Machine Learning in particolare, * [No free lunch theorem](<a href="http://en.wikipedia.org/wiki/No_free_lunch_theorem">http://en.wikipedia.org/wiki/No_free_lunch_theorem</a>) is always your friend! *</div><div><br></div><div>:) </div><div><br></div><div>Fermo restando che il Mitchell che ti hanno suggerito è un ottimo (se non *il* riferimento per iniziare), così come il Bishop[1] o il Flach[2] più recente, mi permetto di aggiungere un'altro testo alla lista:</div><div><br></div><div>Machine Learning, An Algorithmic Perspective (by S. Marsland)[3]</div><div><br></div><div>Ha un taglio molto meno math-oriented e molto più (Python) code-oriented [4]</div><div>La qualità del codice, IMHO, qualche volta è discutibile e largamente migliorabile... ma non è certo il punto o il main focus del testo.</div><div>Magari questo approccio, molto diverso dai precedenti, può aiutarti a comprendere meglio come funziona il tutto.</div><div><br></div><div>my2¢.</div><div><br></div><div>Ciao,</div><div>Valerio</div><div><br></div><div>--</div><div>[1]: <a href="http://goo.gl/sxImCP">http://goo.gl/sxImCP</a></div><div>[2]: <a href="http://goo.gl/qpWq0o">http://goo.gl/qpWq0o</a></div><div>[3]: <a href="http://goo.gl/SNF0Il">http://goo.gl/SNF0Il</a></div><div>[4]: <a href="https://goo.gl/x9knkz">https://goo.gl/x9knkz</a></div></div>
</div></div>