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.

# Query di inferenza Gremlin in Neptune ML
<a name="machine-learning-gremlin-inference-queries"></a>

Come descritto in [Funzionalità di Neptune ML](machine-learning.md#machine-learning-capabilities), Neptune ML supporta modelli di addestramento che possono eseguire i seguenti tipi di attività di inferenza:
+ **Classificazione dei nodi**: previsione della funzionalità categoriale di una proprietà del vertice.
+ **Regressione dei nodi**: previsione di una proprietà numerica di un vertice.
+ **Classificazione degli archi**: previsione della funzionalità categoriale di una proprietà dell'arco.
+ **Regressione degli archi**: previsione di una proprietà numerica di un arco.
+ **Previsione dei collegamenti**: previsione dei nodi di destinazione per un nodo di origine e un arco in uscita specifici oppure i nodi di origine per un nodo di destinazione e un arco in entrata specificati.

[Possiamo illustrare queste diverse attività con esempi che utilizzano il [set di dati da MovieLens 100.000](https://grouplens.org/datasets/movielens/100k/) fornito da Research. GroupLens ](https://grouplens.org/datasets/movielens/) Questo set di dati è costituito da film, utenti e valutazioni dei film da parte degli utenti, da cui è stato creato un grafo delle proprietà come questo: 

![Esempio di grafico delle proprietà del film utilizzando il set di dati da 100k MovieLens](http://docs.aws.amazon.com/it_it/neptune/latest/userguide/images/movie_property_graph_example.png)


**Classificazione dei nodi**: nel set di dati precedente, `Genre` è un tipo di vertice collegato al tipo di vertice `Movie` tramite l'arco `included_in`. Tuttavia, se si modifica il set di dati per rendere `Genre` una funzionalità [categoriale](https://en.wikipedia.org/wiki/Categorical_variable) per il tipo di vertice `Movie`, il problema di dedurre `Genre` per i nuovi film aggiunti al grafo della conoscenza può essere risolto usando modelli di classificazione dei nodi.

**Regressione dei nodi**: se si considera il tipo di vertice `Rating`, che ha proprietà come `timestamp` e `score`, il problema di dedurre il valore numerico `Score` per una valutazione `Rating` può essere risolto usando modelli di regressione dei nodi.

**Classificazione dei bordi**: allo stesso modo, per un `Rated` bordo, se abbiamo una proprietà `Scale` che può avere uno dei valori,,`Love`,`Like`,, `Dislike` `Neutral``Hate`, allora il problema della deduzione `Scale` per l'`Rated`edge per nuovi movies/ratings può essere risolto utilizzando modelli di classificazione dei bordi.

**Regressione degli archi**: allo stesso modo, se per lo stesso arco `Rated` è presente una proprietà `Score` che contiene un valore numerico per la valutazione, questo può essere dedotto usando modelli di regressione degli archi.

**Previsione dei collegamenti**: nell'ambito della previsione dei collegamenti rientrano problemi come trovare i dieci utenti con le maggiori probabilità di valutare un determinato film o trovare i primi dieci film con le maggiori probabilità di essere valutati da un utente specifico.

**Nota**  
Per i casi d'uso di Neptune ML, è disponibile un ampio set di notebook progettati per fornire informazioni pratiche su ogni caso d'uso. È possibile creare questi notebook insieme al cluster Neptune quando si utilizza il modello Neptune ML per creare un cluster [Neptune ML](machine-learning-quick-start.md). CloudFormation Questi notebook sono disponibili anche su [github](https://github.com/aws/graph-notebook/tree/main/src/graph_notebook/notebooks/04-Machine-Learning).

**Topics**
+ [Predicati Neptune ML utilizzati nelle query di inferenza Gremlin](machine-learning-gremlin-inference-query-predicates.md)
+ [Query di classificazione dei nodi Gremlin in Neptune ML](machine-learning-gremlin-vertex-classification-queries.md)
+ [Query di regressione dei nodi Gremlin in Neptune ML](machine-learning-gremlin-vertex-regression-queries.md)
+ [Query di classificazione degli archi Gremlin in Neptune ML](machine-learning-gremlin-edge-classification-queries.md)
+ [Query di regressione degli archi Gremlin in Neptune ML](machine-learning-gremlin-edge-regression.md)
+ [Query di previsione dei collegamenti Gremlin che utilizzano modelli di previsione dei collegamenti in Neptune ML](machine-learning-gremlin-link-prediction-queries.md)
+ [Elenco delle eccezioni per le query di inferenza Gremlin in Neptune ML](machine-learning-gremlin-exceptions.md)