{"id":4679,"date":"2026-08-13T14:50:31","date_gmt":"2026-08-13T12:50:31","guid":{"rendered":"https:\/\/ellistat.com\/?post_type=guide-dutilisateur&p=4679"},"modified":"2026-08-13T14:50:31","modified_gmt":"2026-08-13T12:50:31","slug":"costruire-un-modello","status":"publish","type":"guide-dutilisateur","link":"https:\/\/ellistat.com\/it\/guide-dutilisateur\/construire-un-modele\/","title":{"rendered":"Costruire un modello"},"content":{"rendered":"

1. Il modello di Machine Learning e la sua griglia<\/h2>\n\n\n\n
\"\"<\/figure>\n\n\n\n

Un progetto contiene tanti modelli<\/strong> se necessario, visualizzati in schede nella parte superiore della pagina, con un \u00ab+\u00bb per crearne uno nuovo. Ogni modello ha un nome e indica la griglia<\/strong> che gestisce, scelta proprio sotto il suo nome.<\/p>\n\n\n\n

\u26a0\ufe0f Modificare la griglia di un modello azzeri i valori di X, Y e le linee di test<\/strong>. \u00c8 intenzionale: le colonne di un\u2019altra griglia non devono necessariamente corrispondere. Per confrontare due insiemi di dati, create due modelli.<\/p>\n\n\n\n

2. Scegliere X e Y<\/h2>\n\n\n\n

La tabella a sinistra elenca le colonne della griglia con due colonne di caselle di selezione,\u00a0X<\/strong>\u00a0e\u00a0Y<\/strong>.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
    \n
  • Y<\/strong>\u00a0\u00e8 la risposta da indovinare. Selezionarla\u00a0denomina il modello<\/strong>\u00a0secondo lei e\u00a0sceglie fin dall'inizio il tipo di modello<\/strong>\u00a0: regressione lineare se Y \u00e8 una variabile quantitativa, regressione logistica se \u00e8 una variabile qualitativa. <\/li>\n\n\n\n
  • X<\/strong>\u00a0sono i fattori che spiegano il fenomeno.<\/li>\n<\/ul>\n\n\n\n

    Tre regole di selezione che \u00e8 bene conoscere:<\/p>\n\n\n\n

      \n
    • una colonna\u00a0costante<\/strong>\u00a0non pu\u00f2 essere X: la relativa casella \u00e8 disattivata poich\u00e9, in assenza di variazioni, non \u00e8 possibile stimare alcun effetto; ; <\/li>\n\n\n\n
    • solo le colonne di\u00a0prova 1<\/strong>\u00a0sono disponibili in X; ; <\/li>\n\n\n\n
    • Una stessa colonna non pu\u00f2 essere sia X che Y: selezionando l'una, l'altra viene deselezionata.<\/li>\n<\/ul>\n\n\n\n

      3. Scegliere il tipo di modello<\/h2>\n\n\n\n

      L'elenco dei tipi dipende dalla natura di Y.<\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n

      Y quantitativa<\/strong><\/p>\n\n\n\n

      Tipo<\/strong><\/td>Cosa offre<\/strong><\/td><\/tr><\/thead>
      Regressione lineare<\/strong><\/td>Il modello di riferimento: coefficienti chiari, p-value, R\u00b2. \u00c8 quello che si usa per capire<\/em>.<\/td><\/tr>
      Regressione PLS<\/strong><\/td>Per un numero elevato di variabili X correlate tra loro, nei casi in cui la regressione classica diventa instabile.<\/td><\/tr>
      Regressione K-OPLS<\/strong><\/td>Versione \"core\" della PLS: rileva le relazioni non lineari.<\/td><\/tr>
      Processo gaussiano<\/strong><\/td>Interpolazione flessibile con intervallo di confidenza<\/strong> in ogni punto. Eccellente con pochi dati.<\/td><\/tr>
      Rete neurale<\/strong><\/td>Perceptron multistrato: relazioni altamente non lineari, a scapito dell'interpretabilit\u00e0.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

      Y qualitativo<\/strong>\u00a0= non si prevede pi\u00f9 un valore, ma un\u00a0classe<\/strong>\u00a0:<\/p>\n\n\n\n

      Tipo<\/strong><\/td>Cosa offre<\/strong><\/td><\/tr><\/thead>
      Regressione logistica<\/strong><\/td>Coefficienti e valori p, come nella regressione lineare. Il modello di riferimento per la classificazione.<\/td><\/tr>
      Albero decisionale<\/strong><\/td>Regole chiare, direttamente applicabili come istruzioni di officina.<\/td><\/tr>
      Foresta casuale<\/strong><\/td>Insieme di alberi: pi\u00f9 preciso, meno leggibile.<\/td><\/tr>
      (SVM) Support Vector Machine<\/strong><\/td>Confini di separazione complessi.<\/td><\/tr>
      (KNN) K vicini pi\u00f9 prossimi<\/strong><\/td>Classificazione in base alla somiglianza con casi noti.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

      Due tipi di persone spariscono da sole quando non si impegnano:<\/p>\n\n\n\n

        \n
      • il\u00a0distribuzione gaussiana<\/strong>\u00a0richiede X\u00a0tutti quantitativi<\/strong>\u00a0e al massimo\u00a050 righe<\/strong>\u00a0di apprendimento; oltre tale soglia, il costo di calcolo aumenta vertiginosamente; ; <\/li>\n\n\n\n
      • la\u00a0regressione K-OPLS<\/strong>\u00a0scompare nelle tabelle di grandi dimensioni (oltre i 2.000 valori nelle colonne selezionate).<\/li>\n<\/ul>\n\n\n\n

        \ud83d\udca1 Inizia sempre<\/strong> tramite la regressione lineare o logistica, anche se si sospetta una relazione non lineare. Fornisce valori p, un R\u00b2 e coefficienti interpretabili: quanto basta per capire quali<\/em> Questi fattori sono importanti. I modelli pi\u00f9 flessibili a volte forniscono previsioni pi\u00f9 accurate, ma non rispondono alla domanda \u00absu cosa bisogna intervenire?\u00bb.<\/p>\n\n\n\n

        4. Le opzioni<\/h2>\n\n\n\n
        \"\"<\/figure>\n\n\n\n

        Sotto il tipo di modello, la sezione\u00a0Opzioni<\/strong>\u00a0illustra le impostazioni specifiche per il tipo selezionato (profondit\u00e0 massima e numero minimo di individui per foglia per un albero, numero di alberi e percentuale di variabili per una foresta, gamma e costo per una SVM, tasso di apprendimento, numero di epoche, regolarizzazione e dimensione dello strato nascosto per una rete neurale, numero di componenti per la PLS).<\/p>\n\n\n\n

        \u26a0\ufe0f Queste impostazioni hanno valori predefiniti ragionevoli. Modificarle in modo indiscriminato comporta sovracompensare<\/strong> : un modello che riproduce perfettamente i dati di addestramento ma commette errori su ogni nuovo pezzo. \u00c8 la scheda Modello\/Osservazione<\/strong> e le righe di verifica che indicano se hai vinto o perso.<\/p>\n\n\n\n

        5. I termini del modello<\/h2>\n\n\n\n

        In una regressione, la scheda\u00a0Coefficienti<\/strong>\u00a0non si limita a leggere il modello: \u00e8 l\u00ec che lo\u00a0compone<\/strong>. Un selettore di termini consente di aggiungere agli effetti principali:<\/p>\n\n\n\n

        \"\"<\/figure>\n\n\n\n
          \n
        • le\u00a0termini di secondo grado<\/strong>\u00a0: il quadrato di un fattore, per cogliere una curvatura. Riservato ai fattori quantitativi con pi\u00f9 di due livelli: con due livelli, un quadrato non si distingue dalla costante; ;<\/li>\n\n\n\n
        • le\u00a0interazioni<\/strong>\u00a0: il prodotto di due fattori; ; <\/li>\n\n\n\n
        • la\u00a0costante<\/strong>, che eventualmente si pu\u00f2 rimuovere dal modello.<\/li>\n<\/ul>\n\n\n\n

          La tabella dei coefficienti riporta, termine per termine: il\u00a0coefficiente<\/strong>, l\u2019errore standard<\/strong>, la\u00a0statistica<\/strong>, la\u00a0valore p<\/strong>, la conclusione\u00a0significativo<\/strong>\u00a0e il\u00a0VIF<\/strong>. Sopra sono riportati l'errore standard del modello, il\u00a0n (ddl)<\/strong>il\u00a0R\u00b2<\/strong>\u00a0e il\u00a0R\u00b2 aggiustato<\/strong>, nonch\u00e9 la\u00a0lato destro del modello<\/strong>, l'equazione completa, pronta per essere copiata.<\/p>\n\n\n\n

          \"\"<\/figure>\n\n\n\n

          \ud83d\udca1 Il\u00a0VIF<\/strong>\u00a0\u00e8 il meccanismo di controllo che spesso si trascura. Misura quanto un termine sia ridondante rispetto agli altri. Un VIF elevato indica che il coefficiente riportato non \u00e8 affidabile, non perch\u00e9 il fattore non abbia alcun effetto, ma perch\u00e9 i dati non consentono di distinguere il suo effetto da quello di un altro fattore. Sui dati osservativi, ci\u00f2 accade spesso; in un piano sperimentale ben strutturato, invece, non dovrebbe verificarsi.<\/p>\n\n\n\n

          \u00c8 possibile eliminare un termine sia rimuovendolo dalla tabella dei termini del modello, sia cliccando su \u00abElimina\u00bb<\/p>\n\n\n\n

          L'analisi automatica<\/strong> propone due strategie di selezione dei termini:<\/p>\n\n\n\n

            \n
          • In avanti<\/strong>\u00a0: partire dal modello vuoto e aggiungere uno per uno i termini necessari; ; <\/li>\n\n\n\n
          • Indietro<\/strong>\u00a0: partire dal modello completo ed eliminare i termini superflui.<\/li>\n<\/ul>\n\n\n\n

            Il pulsante Miglior sottoinsieme<\/strong> va oltre: elenca le combinazioni di termini fino a un numero massimo di termini<\/strong> che si imposta, visualizza il numero di regressioni<\/strong> ci\u00f2 che ci\u00f2 rappresenta, e ordina i risultati in base a R\u00b2 e R\u00b2 aggiustato. Ogni candidato si iscrive con un clic.<\/p>\n\n\n\n

            \u26a0\ufe0f Selezione automatica dei termini invalida i valori p<\/strong> in senso stretto: sono stati provati molti modelli e si \u00e8 scelto il migliore, cosa che il calcolo del p-value non tiene in considerazione. Il risultato rimane un ottimo punto di partenza, ma un modello cos\u00ec ottenuto si conferma sulla base di nuovi dati<\/strong>, non su quelle che sono servite a sceglierlo.<\/p>\n\n\n\n

            In presenza di fattori qualitativi, \u00e8 possibile scegliere la modalit\u00e0 di riferimento (inclusa nella costante). La modalit\u00e0 di riferimento non compare nella tabella di Student.<\/p>\n\n\n\n

            6. Leggere i risultati<\/h2>\n\n\n\n

            La parte destra dello schermo mostra i risultati suddivisi in schede. I primi dipendono dal modello, mentre i successivi sono sempre presenti.<\/p>\n\n\n\n

            Schede specifiche del modello<\/strong><\/p>\n\n\n\n

            Scheda<\/strong><\/td>Quando appare<\/strong><\/td><\/tr><\/thead>
            Taguchi<\/strong><\/td>Ellistat ha individuato un piano di Taguchi nei dati e Y \u00e8 una variabile quantitativa. Visualizza l'analisi specifica per questo piano.<\/td><\/tr>
            Multilivello<\/strong><\/td>I dati lo confermano: effetti e significato dei termini<\/strong> su fattori a pi\u00f9 livelli.<\/td><\/tr>
            Coefficienti<\/strong><\/td>Regressione lineare o logistica (vedi \u00a75).<\/td><\/tr>
            Configurazione<\/strong><\/td>PLS, K-OPLS, processo gaussiano, rete neurale, albero, foresta, SVM, KNN \u2014 diagnosi specifiche per tipo.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

            Schede comuni<\/strong><\/p>\n\n\n\n

            Scheda<\/strong><\/td>Cosa mostra<\/strong><\/td><\/tr><\/thead>
            Modello\/Osservazione<\/strong><\/td>Previsione rispetto al dato osservato. Su un asse Y qualitativo, si tratta della matrice di confusione<\/strong>.<\/td><\/tr>
            Istogramma<\/strong><\/td>La distribuzione, su Y quantitativa.<\/td><\/tr>
            Residui<\/strong><\/td>I dettagli riga per riga: valore osservato, previsione, scostamento e appartenenza alle righe di test.<\/td><\/tr>
            Previsione<\/strong><\/td>Inserire i valori di X e leggere la risposta prevista.<\/td><\/tr>
            3D<\/strong><\/td>Fin da 2 X<\/strong> : l'area di risposta del modello.<\/td><\/tr>
            5D<\/strong><\/td>Fin da 4 X<\/strong> : la stessa interpretazione con due elementi aggiuntivi, rappresentati dal colore e dalle dimensioni.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

            \ud83d\udca1 \"Modello\/Osservazione\" \u00e8 l'unica scheda che valuta il modello.<\/strong> I punti devono allinearsi sulla diagonale, e soprattutto anche le righe di prova devono essere allineate l\u00ec<\/strong>. Un modello che riproduce perfettamente i dati di addestramento ma fallisce nei test non ha imparato nulla: ha semplicemente memorizzato. \u00c8 l\u2019unico errore che conta, e l\u2019R\u00b2 non lo rileva.<\/p>\n\n\n\n

            7. Taguchi<\/h2>\n\n\n\n

            Nel caso di un piano sperimentale a 2 livelli, la tabella di Taguchi fornisce il grafico degli effetti per tutte le colonne della tabella.<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            Selezionare o deselezionare un'interazione<\/strong>. Cliccando sul nome dell'interazione in rosso, questa viene selezionata e diventa verde. Lo stesso vale cliccando sul nome in verde: l'interazione diventa rossa. Selezionando un'interazione, viene visualizzato il grafico corrispondente. \u00c8 possibile modificare l'asse x cliccando sul quadratino blu.<\/p>\n\n\n\n

            8. Modello \/ Osservazione<\/h2>\n\n\n\n

            Questo grafico illustra, in diverse forme, la corrispondenza tra il modello e i dati osservati. Pi\u00f9 i punti sono vicini alla retta, pi\u00f9 il modello rispecchia i risultati delle prove.<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            Un grafico molto utile \u00e8 quello che mette a confronto le leve e i residui. I punti devono trovarsi nella zona verde.<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            Se un punto si trova nella zona rossa, verso il basso o verso l'alto, ci\u00f2 \u00e8 dovuto a un problema nella risposta. C'\u00e8 una risposta che non corrisponde al modello (valore anomalo?).<\/p>\n\n\n\n

            Se un punto si trova nella zona rossa verso destra, allora il problema riguarda l'asse X. Una delle linee di prova \u00e8 atipica rispetto alle altre (ad esempio, X varia da 5 a 10 su tutte le linee tranne una, dove X = 20)<\/p>\n\n\n\n

            9. Istogramma dei residui<\/h2>\n\n\n\n

            Fornisce l'istogramma e l'analisi di normalit\u00e0 dei residui<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            In questa scheda \u00e8 presente la tabella con i valori misurati, quelli previsti e il valore dei residui.<\/p>\n\n\n\n

            Ma \u00e8 in questa tabella che si pu\u00f2 scegliere se inserire una parte delle righe nel test in modo casuale, oppure le prime, le ultime o selezionandole dalla colonna \u201ctest\u201d.<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            10. Previsione<\/h2>\n\n\n\n

            Questa scheda consente di prevedere un valore e il relativo intervallo di confidenza sulla base del modello per qualsiasi configurazione.<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            11. Grafica 3D e 5D<\/h2>\n\n\n\n

            Il menu 3D consente di visualizzare la superficie di risposta in 3D. Si selezionano 2 X e una configurazione specifica degli altri X per visualizzare la rappresentazione<\/p>\n\n\n\n

            \"\"<\/figure>\n\n\n\n

            Nel caso in cui si disponga di un numero sufficiente di fattori X, viene proposta la rappresentazione 5D, che consente di visualizzare Y in funzione di 4X in un\u2019unica figura (5 dimensioni)<\/p>\n\n\n\n

            Nell'esempio riportato di seguito \u00e8 illustrata l'andamento potenza\/velocit\u00e0 in 9 configurazioni di defocalizzazione\/spot. \u00c8 anche possibile utilizzare una griglia 5\u00d75 al posto di quella 3\u00d73 per ottenere una maggiore precisione.<\/p>\n\n\n\n

            \"\"<\/figure>","protected":false},"featured_media":0,"menu_order":20,"template":"","meta":{"_acf_changed":true},"menu-guide-dutilisateur":[32],"class_list":["post-4679","guide-dutilisateur","type-guide-dutilisateur","status-publish","hentry","menu-guide-dutilisateur-8-ml-machine-learning"],"acf":[],"yoast_head":"\nConstruire un mod\u00e8le - Ellistat<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez les \u00e9tapes pour construire un mod\u00e8le de Machine Learning dans le logiciel Data Analysis d'Ellistat\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ellistat.com\/it\/guida-per-lutente\/costruire-un-modello\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Construire un mod\u00e8le - Ellistat\" \/>\n<meta property=\"og:description\" content=\"D\u00e9couvrez les \u00e9tapes pour construire un mod\u00e8le de Machine Learning dans le logiciel Data Analysis d'Ellistat\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ellistat.com\/it\/guida-per-lutente\/costruire-un-modello\/\" \/>\n<meta property=\"og:site_name\" content=\"Ellistat\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ellistat.com\/wp-content\/uploads\/grilleML.png\" \/>\n\t<meta property=\"og:image:width\" content=\"246\" \/>\n\t<meta property=\"og:image:height\" content=\"80\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data1\" content=\"11 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/\",\"url\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/\",\"name\":\"Construire un mod\u00e8le - Ellistat\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/grilleML.png\",\"datePublished\":\"2026-08-13T12:50:31+00:00\",\"description\":\"D\u00e9couvrez les \u00e9tapes pour construire un mod\u00e8le de Machine Learning dans le logiciel Data Analysis d'Ellistat\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/grilleML.png\",\"contentUrl\":\"https:\\\/\\\/ellistat.com\\\/wp-content\\\/uploads\\\/grilleML.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/guide-dutilisateur\\\/construire-un-modele\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Accueil\",\"item\":\"https:\\\/\\\/ellistat.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Construire un mod\u00e8le\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ellistat.com\\\/#website\",\"url\":\"https:\\\/\\\/ellistat.com\\\/\",\"name\":\"Ellistat\",\"description\":\"La suite qualit\u00e9 de l'industrie m\u00e9canique\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ellistat.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Creare un modello - Ellistat","description":"Scopri i passaggi necessari per creare un modello di Machine Learning nel software Data Analysis di Ellistat","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ellistat.com\/it\/guida-per-lutente\/costruire-un-modello\/","og_locale":"it_IT","og_type":"article","og_title":"Construire un mod\u00e8le - Ellistat","og_description":"D\u00e9couvrez les \u00e9tapes pour construire un mod\u00e8le de Machine Learning dans le logiciel Data Analysis d'Ellistat","og_url":"https:\/\/ellistat.com\/it\/guida-per-lutente\/costruire-un-modello\/","og_site_name":"Ellistat","og_image":[{"width":246,"height":80,"url":"https:\/\/ellistat.com\/wp-content\/uploads\/grilleML.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_misc":{"Tempo di lettura stimato":"11 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/","url":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/","name":"Creare un modello - Ellistat","isPartOf":{"@id":"https:\/\/ellistat.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/#primaryimage"},"image":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/#primaryimage"},"thumbnailUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/grilleML.png","datePublished":"2026-08-13T12:50:31+00:00","description":"Scopri i passaggi necessari per creare un modello di Machine Learning nel software Data Analysis di Ellistat","breadcrumb":{"@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/#primaryimage","url":"https:\/\/ellistat.com\/wp-content\/uploads\/grilleML.png","contentUrl":"https:\/\/ellistat.com\/wp-content\/uploads\/grilleML.png"},{"@type":"BreadcrumbList","@id":"https:\/\/ellistat.com\/guide-dutilisateur\/construire-un-modele\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Accueil","item":"https:\/\/ellistat.com\/"},{"@type":"ListItem","position":2,"name":"Construire un mod\u00e8le"}]},{"@type":"WebSite","@id":"https:\/\/ellistat.com\/#website","url":"https:\/\/ellistat.com\/","name":"Ellistat","description":"La suite della qualit\u00e0 per l'industria meccanica","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ellistat.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"}]}},"_links":{"self":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/guide-dutilisateur\/4679","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/guide-dutilisateur"}],"about":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/types\/guide-dutilisateur"}],"wp:attachment":[{"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/media?parent=4679"}],"wp:term":[{"taxonomy":"menu-guide-dutilisateur","embeddable":true,"href":"https:\/\/ellistat.com\/it\/wp-json\/wp\/v2\/menu-guide-dutilisateur?post=4679"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}