POSSIBILE APPLICAZIONE: PREDIZIONE AFFLUENZA ELEZIONE
Una possibile applicazione delle reti neurali potrebbe essere quella di prevedere l’affluenza ad una determinata elezione. Durante la progettazione di un rete neurale la prima operazione è quella di definire il Dataset, ovvero l’insieme dei dati che dovranno essere utilizzati per il training della rete neurale e successivamente per verificarne la correttezza. In questo caso non sarebbe impossibile risalire ad uno storico sulle elezioni precedenti su chi è andato a votare o meno, con le sue relative caratteristiche, che corrisponderebbero agli input della nostra rete neurale. Il nostro Dataset sarà caratterizzato da un certo numero di input che serviranno a definire un certo cittadino, e l’output(target) sarà un valore booleano(SI/NO), che classifica se quella determinata persona è andata a votare o meno. Un esempio molto semplificato di Dataset potrebbe essere questo:
| Città | Sesso | Età | Istruzione | Tipologia Elezione | Mese Elezione | IPV | Si/No |
| Roma | M | 21 | Laurea | Politiche | Maggio | 0.8 | SI |
| Milano | F | 18 | Laurea | Comunali | Dicembre | 0.5 | NO |
| Torino | F | 42 | Scuole Superiore | Europee | Maggio | 0.5 | SI |
| Venezia | M | 45 | Scuole Superiore | Politiche | Febbraio | 0.3 | NO |
Una volta definito il Dataset bisogna definire la struttura della rete neurale, in particolare il numero di hidden layer ed il numero neuroni, oltre una serie di parametri. Per tarare al meglio verranno utilizzati i dati di ‘valid’. La nostra rete neurale avrà come valori in input i valori della tabella, per i valori numerici non ci sono problemi, per quelli alfanumerici è necessario definire un collegamento valore ->etichetta numerica. es. (Politiche 0, Europee 1, Comunali 2, Regionali 3, Referendum 4,ecc). IPV è un indice di propensione al voto, ovvero nelle elezioni precedenti a quella considerata dal punto di vista % quante volte è andato a votare nelle elezioni precedenti. Successivamente andremo ad effettuare il training della rete neurale, ovvero daremo in input ogni record ed andremo a confrontare il valore che ci aspettavamo con quello che in realtà abbiamo avuto, ed attraverso dei metodi matematici(backpropagation) verranno migliorati i valori dei pesi. Terminato questo andremo a dare in input i dati del Dataset facente parte del Test per verificare tramite dei parametri quanto è accurato il sistema. Il sistema sarà completo e per andare a stimare di quanto sarà l’affluenza per una determinata elezione basterà dare in input alla rete neurale la lista di tutti gli elettori di una determinata elezione X e il sistema ci tirerà fuori una affluenza. Quello che è stato descritto è solo un esempio di possibile applicazione dell’IA . Sicuramente potrebbe essere esteso ulteriormente andando ad aumentare il numero di valori in input per rendere il sistema più accurato.
Puoi farlo nei modi che ti descriviamo in seguito… E, se puoi, disattiva il tuo ad-blocker, grazie!
Modalità preferita: donazione tramite bonifico tramite al conto dell’Associazione Bidimedia
Conto di BIDIMEDIA
IBAN IT65F0623012782000036505055
Ci leggi da tanto tempo? Ci hai appena scoperti? In entrambi i casi, se ti piace il nostro lavoro, puoi contribuire alla nostra sopravvivenza donandoci anche solo un piccolo caffè. Grazie!
Tramite Ko-fi puoi fare una micro-donazione ed essere sicuro che essa finanzierà interamente Sondaggi Bidimedia, senza percentuali di intermediazione.
In qualità di Affiliato Amazon, Sondaggi Bidimedia riceve un guadagno dagli acquisti idonei.
