Riepilogo
Di seguito è riportato un riepilogo delle informazioni trattate.
Principalmente, è stato affrontato un problema di classificazione complesso usando alberi delle decisioni e foreste casuali come esempio. Lo scenario illustrato, ovvero eseguire il training di un modello per indovinare quali persone avrebbero vinto una medaglia per la ginnastica ritmica, era difficile ma si è ottenuto un ottimo risultato. È interessante notare che è stato possibile farlo usando solo le caratteristiche di base: età, peso, altezza e anno dei giochi.
Si è appreso che per ottimizzare modelli complessi, spesso è necessario prendere decisioni su come sarà strutturato il modello, ad esempio valutarne dimensioni o profondità. È stato illustrato come i modelli più grandi e complessi siano molto più difficili da comprendere internamente, dopo il training, ma hanno spesso notevoli miglioramenti delle prestazioni rispetto ai tipi di modello più semplici.
È stato anche illustrato l'uso degli iperparametri, impostazioni che influiscono sul funzionamento del training. È stato rilevato che gli iperparametri possono apportare notevoli miglioramenti al modo in cui viene eseguito il training di un modello e che trovare la scelta ottimale richiede sia ragionamento che sperimentazione.