Reti neurali artificiali: vantaggi e svantaggi

 

Reti neurali – svantaggi

- Probabilmente, il più grande difetto consiste nell’incapacità di spiegare il comportamento delle reti neurali (anche se sono stati sviluppati, con scarso successo, algoritmi per l’estrazione di regole e sono state adottate tecniche per evidenziare l’impatto delle singole variabili di input sull’output della rete, quali l’analisi di sensitività).
- Gli algoritmi di apprendimento non offrono la garanzia di convergere verso una soluzione ottimale.
- Possono essere addestrate in modo molto efficace sui dati di training, ma possono fallire sui dati di test. 

 

Reti neurali – considerazioni conclusive

Il processo di costruzione di una rete neurale è stato definito “un’arte e una scienza”. Un approccio ragionevole consiste nell’effettuare svariati esperimenti cambiando di volta in volta la selezione delle variabili e l’apprendimento dei parametri mediante alcune scelte:
- Quali variabili di input verranno utilizzate:
- Come saranno rappresentati i risultati:
- Quanti strati nascosti deve contenere la rete:
- Quanti nodi devono esserci in ogni strato nascosto:
- Quale condizione decreterà la fine dell’addestramento:
Per scegliere tra due strumenti che mi danno entrambi lo stesso livello di disclissificazione, di errore (albero decisionale vs rete neurale), posso ad esempio scegliere in base al valore economico dell’errore. Il criterio economico è quello che mi fa dire a parità di capacità di classificazione, quale strumento è meglio utilizzare.