Compiti ed esercitazioni VERIFICATO
assagnment 1
Università degli Studi di Roma - La Sapienza statistical methods and applications Curriculum quantitative economics 2020
31 visualizzazioni
Nessun voto ancora
Stai vedendo l'anteprima delle prime pagine. Registrati per sbloccare le pagine restanti.
Di cosa parla
- Lo studio di simulazione implementa una funzione MATLAB per generare 150 matrici di dissimilarità basate sul modello WSPP, calcolando iterativamente le matrici di confusione, l'Adjusted Rand Index (ARI) e gli errori quadratici medi per i parametri di omogeneità ed isolamento al variare del livello di errore introdotto.
- L'esperimento analizza come la percentuale di campioni con ARI pari a 1 diminuisce all'aumentare dell'errore, mentre il calcolo della media delle matrici di confusione e degli MSE fornisce una valutazione robusta della performance del modello in condizioni realistiche rispetto alla generazione perfetta.
- L'applicazione al dataset Iris evidenzia che le specie Setosa sono linearmente separabili dalle altre due (Versicolour e Virginica), mentre Versicolor e Virginica non lo sono, un fatto confermato dai criteri Calinski-Harabasz e Silhouette che suggeriscono rispettivamente 3 o 2 cluster ottimali.
- Il confronto tra i modelli WSPP, WSP e K-Means mostra come l'assunzione di uguaglianza nei parametri di omogeneità ed isolamento del modello WSPP influenzi la capacità di distinguere correttamente le specie vegetali rispetto agli approcci basati sulla distanza euclidea standard.
- La visualizzazione dei dati tramite plot multipli e grafici a dispersione dimostra che i criteri di valutazione della clusterizzazione possono portare a conclusioni diverse riguardo al numero ottimale di gruppi, riflettendo la complessità intrinseca delle strutture non perfettamente sferiche presenti nei dataset biologici.
Registrati e sblocca subito 3 appunti gratis, questo incluso.