Non aggiorniamo più il servizio Amazon Machine Learning né accettiamo nuovi utenti. Questa documentazione è disponibile per gli utenti esistenti, ma non la aggiorniamo più. Per ulteriori informazioni, consulta [Cos'è Amazon Machine Learning](https://docs.aws.amazon.com/machine-learning/latest/dg/what-is-amazon-machine-learning.html).

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Risoluzione dei problemi aziendali con Amazon Machine Learning
<a name="machine-learning-problems-in-amazon-machine-learning"></a>

È possibile usare Amazon Machine Learning per applicare il machine learning a problemi riguardo ai quali si dispone di esempi di risposte reali. Ad esempio, se si desidera utilizzare Amazon Machine Learning per prevedere se un'e-mail è spam, è necessario raccogliere esempi di e-mail che vengono correttamente etichettate come spam o non spam. È quindi possibile utilizzare il machine learning per generalizzare questi esempi di e-mail, per prevedere la probabilità che una nuova e-mail sia spam o meno. Questo approccio di apprendimento da dati che sono stati etichettati con la risposta reale è noto come machine learning controllato.

È possibile utilizzare gli approcci ML controllati per queste attività specifiche di machine learning: classificazione binaria (prevedere uno di due possibili risultati), classificazione multiclasse (prevedere uno di più di due risultati) e regressione (prevedere un valore numerico). 

Esempi di problemi di classificazione binaria:
+ Il cliente acquisterà questo prodotto oppure no?
+ Questa e-mail è spam o non spam?
+ Questo prodotto è un libro o un animale da fattoria?
+ Questa recensione è scritta da un cliente o da un robot?

Esempi di problemi di classificazione multilclasse:
+ Questo prodotto è un libro, un film o un abito?
+ Questo film è una commedia romantica, un documentario o un thriller?
+ Quale categoria di prodotti è più interessante per questo cliente?

Esempi di problemi di classificazione di regressione:
+ Che temperatura ci sarà domani a Seattle?
+ Per questo prodotto, quante unità si venderanno?
+ Quanti giorni trascorreranno prima che questo cliente interrompa l'uso dell'applicazione?
+ A che prezzo sarà venduta questa casa?