La classificazione binaria

📌 Classificazione Binaria: Cos’è e Come Funziona?

La classificazione binaria è un tipo di problema di Machine Learning in cui un modello deve assegnare un'istanza a una delle due classi possibili.

📊 Come Funziona la Classificazione Binaria?

Nei problemi di classificazione binaria, abbiamo due classi:

• 🔵 Classe 0 → Negativa (es. "Non Spam")
• 🔴 Classe 1 → Positiva (es. "Spam")

Un modello predice un valore tra 0 e 1. Se la probabilità è maggiore di **0.5**, assegna la classe **1**, altrimenti assegna **0**.

🛠️ Algoritmi di Classificazione Binaria

• ✅ Regressione Logistica → Modello semplice per stimare probabilità.
• ✅ Support Vector Machines (SVM) → Trova l'iperpiano migliore per separare le classi.
• ✅ Reti Neurali → Utilizzano strati nascosti per apprendere pattern complessi.
• ✅ Alberi di Decisione → Suddividono i dati in base a caratteristiche rilevanti.

🔢 Funzione di Attivazione: Sigmoide

La funzione più usata per la classificazione binaria è la **Sigmoide**:

σ(x) = 1 / (1 + e^-x)

Questa funzione trasforma qualsiasi valore reale in un numero compreso tra **0 e 1**.

📌 Funzione di Perdita: Cross-Entropy Loss

Per valutare l’errore del modello si usa la **Binary Cross-Entropy Loss**:

L = - [ y log(ŷ) + (1 - y) log(1 - ŷ) ]

• y → Valore reale (0 o 1).
• ŷ → Probabilità predetta dal modello.

🎯 Esempio Pratico

Supponiamo di classificare email come **Spam (1)** o **Non Spam (0)**.

• 📩 "Hai vinto un premio!" → Predizione: 0.9 → Spam (1)
• 📩 "Riunione alle 10:00" → Predizione: 0.1 → Non Spam (0)
• 📩 "Offerta esclusiva!" → Predizione: 0.8 → Spam (1)

📌 Applicazioni della Classificazione Binaria

• ✅ Rilevamento Spam (Email Spam vs Non Spam).
• ✅ Diagnosi Medica (Malato vs Sano).
• ✅ Riconoscimento di Frodi (Transazione Lecita vs Fraudolenta).
• ✅ Analisi dei Sentimenti (Recensione Positiva vs Negativa).

Grazie alla classificazione binaria, possiamo automatizzare decisioni importanti in diversi ambiti! 🚀