Cos'è il Machine Learning

Le funzionalità di machine learning analizzano i tuoi dati e generano modelli per i loro schemi di comportamento. Il tipo di analisi che scegli dipende dalle domande o dai problemi che desideri affrontare e dal tipo di dati a disposizione.

Machine learning non supervisionato

Esistono due tipi di analisi che possono dedurre schemi e relazioni nei tuoi dati senza necessità di addestramento o intervento: il rilevamento di anomalie e il rilevamento di outlier.

• Il rilevamento di anomalie richiede dati di serie temporali. Costruisce un modello probabilistico e può funzionare in modo continuo per identificare eventi insoliti man mano che si verificano. Il modello si evolve nel tempo; puoi utilizzare i suoi approfondimenti per prevedere comportamenti futuri.

• Il rilevamento di outlier non richiede dati di serie temporali. Si tratta di un tipo di analisi che identifica punti insoliti in un set di dati analizzando la vicinanza di ogni punto rispetto agli altri e la densità del cluster di punti circostanti. Non funziona in modo continuo; genera una copia del set di dati in cui ciascun punto è annotato con un punteggio di outlier. Questo punteggio indica quanto un punto dati sia fuori dal comune rispetto agli altri punti dati.

Machine learning supervisionato

Esistono due tipi di analisi che richiedono set di dati di addestramento: classificazione e regressione.

In entrambi i casi, il risultato è una copia del set di dati in cui ogni punto dati è annotato con previsioni e un modello addestrato, che puoi utilizzare per fare previsioni su nuovi dati. Per maggiori informazioni, consulta Introduzione all'apprendimento supervisionato.

• La classificazione apprende le relazioni tra i tuoi punti dati per prevedere valori categorici discreti, come se una richiesta DNS provenga da un dominio dannoso o benigno.

• La regressione apprende le relazioni tra i tuoi punti dati per prevedere valori numerici continui, come il tempo di risposta per una richiesta web.