Metraipolis › archive › dc_b3d2da38fec1

Classificatore ECOC — Wikipedia

Source
Wikipedia (it)
Original
https://it.wikipedia.org/wiki/Classificatore_ECOC
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-07T14:29:25.533Z
SHA-256 of the archived text
f699471a158e0685d20e6aa5f84fc30d050be1800880a6e5eb29543ee1483807
Stable URL of this page
https://metraipolis.com/documento/dc_b3d2da38fec1

How to cite

Classificatore ECOC — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/Classificatore_ECOC (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_b3d2da38fec1 (Metraipolis archive dc_b3d2da38fec1, sha256 f699471a158e0685d20e6aa5f84fc30d050be1800880a6e5eb29543ee1483807)
BibTeX
@misc{dcb3d2da38fec1,
  title = {Classificatore ECOC — Wikipedia},
  howpublished = {Wikipedia (it)},
  url = {https://it.wikipedia.org/wiki/Classificatore_ECOC},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_b3d2da38fec1; sha256 f699471a158e0685d20e6aa5f84fc30d050be1800880a6e5eb29543ee1483807},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/Classificatore_ECOC. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

Nell'apprendimento automatico, un classificatore ECOC (ossia basato su codici di output con correzione degli errori) rappresenta una tecnica di apprendimento d'insieme utile a migliorare l'accuratezza di singoli algoritmi di classificazione, in particolare nei problemi di classificazione multiclasse. Questo approccio sfrutta i principi della correzione degli errori della teoria dell'informazione per migliorare la robustezza e l'affidabilità dei classificatori. La strategia scompone un problema di classificazione multiclasse in più problemi di classificazione binaria. Assegnando codici binari a ciascuna classe, il classificatore ECOC (Error Correcting Output Codes) sfrutta i principi della correzione degli errori per gestire gli errori di classificazione in modo più efficace. La tecnica stata introdotta per la prima volta da Dietterich e Bakiri nel 1995 come metodo per migliorare le prestazioni dei classificatori sfruttando i codici di correzione degli errori. L'idea di base è quella di rappresentare ogni classe con un codice binario univoco e quindi addestrare più classificatori binari a distinguere tra questi codici. L'idea-base di ECOC deriva dal campo dei codici di correzione degli errori nella teoria dell'informazione, dove viene aggiunta ridondanza ai dati per rilevare e correggere gli errori durante la trasmissione. I classificatori ECOC, grazie alla loro capacità intrinseca di correggere gli errori e di scomporre problemi complessi in compiti più semplici, trovano spazio in moltissimi campi ad alta precisione. Le principali applicazioni reali suddivise sono la visione artificiale e il riconoscimento delle immagini, bioinformatica e medicina, elaborazione del linguaggio naturale e text mining, ingegneria e controllo della qualità.

Tema degli esploratori: statistica e scienza dei dati (deposito sistematico; ricerca «visione artificiale»).
Fonte: Wikipedia in italiano, voce «Classificatore ECOC» — https://it.wikipedia.org/wiki/Classificatore_ECOC
Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Classificatore_ECOC?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 152475175, consultata il 2026-10-07T14:08:13.915Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: fa9c53d794798ed8b3ea2a471f2913c5a8c480242deae5d5eddf001b9f2aa99e