I pattern
Un pattern è un campione di dati che veicola un'informazione utile.
Cosa significa pattern? Nell'intelligenza artificiale il pattern è un sinonimo di schema, modello, esempio. Anche nel marketing, nel data mining e nel trading ha lo stesso significato. In tutti i casi con il pattern si cerca un'informazione nascosta in una grande mole di dati ( big data ).
Tipi di pattern
Esistono diverse tipologie di pattern.
- Pattern numerici. Sono valori, proprietà o caratteristiche misurabili. In genere, sono vettori composti da valori numerici continui o discreti.
Esempio. Le variazioni del prezzo di un titolo in borsa possono generare dei pattern numerici.
- Pattern categorici. Sono proprietà e caratteristiche qualitative di un oggetto, non mappabili in modo numerico.
Esempio. Il colore del cielo è una qualità non numerica. Tuttavia, può dar vita a uno schema ( es. "rosso di sera, bel tempo si spera" ).
- Pattern sequenziali. Sono sequenze di dati a lunghezza fissa o variabile.
Esempio. Lo stream audio è una sequenza di suono che racchiude una frase in linguaggio naturale e veicola un'informazione. Un altro esempio di pattern sequenziale è lo stream video, è composto da più frame che indicano una particolare azione. E così via.
Il riconoscimento dei pattern
La disciplina che si occupa del riconoscimento dei pattern è detta pattern recognition.
Il riconoscimento dei pattern può avvenire tramite machine learning ma anche con algoritmi pre-programmati.
Esistono diverse tecniche di pattern recognition:
La classificazione
Nella classificazione si crea una classe per raggruppare i pattern che possiedono una o più proprietà in comune.
Una classe è caratterizzata da una funzione in grado di definire uno spazio di appartenenza in modo chiaro e inconfutabile.
Esempio. Una funzione di classificazione raggruppa gli studenti in base al colore dei capelli. Un'altra funzione in base al sesso, all'età, al luogo di nascita, agli studi pregressi, ecc. Poi cerca una relazione con i voti.
Nella classificazione si usano due ( binary classification ) o più classi ( multi-class classification ). E' ovviamente del tutto inutile averne una sola.
La regressione
Con la regressione si assegna ai pattern un valore continuo.
E' una tecnica statistica.
La regressione crea una funzione in grado di approssimare dei dati in output a partire dai dati in input.
Il clustering
Il clustering è una tecnica per individuare dei gruppi ( cluster ) di pattern con caratteristiche e proprietà simili tra loro.
Nel clustering non sono ancora definite le classi, perché mancano le relazioni di causalità. Tuttavia, i dati mostrano comunque delle similitudini da non trascurare.
Una volta approfondita la causa della regolarità dei pattern in un cluster, si può definire la classe.
Esempio. Le tecniche di clustering sono usate nel marketing per individuare i consumi e le preferenze dei consumatori, in base ai loro comportamenti e interessi.
