Altro VERIFICATO

An introduction to statistical learning

Università degli Studi di Torino metodi statistici ed economici per le decisioni 2020
135 visualizzazioni
Nessun voto ancora
Condividi: WhatsApp Telegram

Di cosa parla

Riassunto AI · si legge in un minuto

Il libro introduce i metodi di apprendimento statistico come strumenti per modellare dataset complessi, integrando statistica e machine learning con un focus sulle applicazioni pratiche in R. A differenza di testi più tecnici, questo testo si concentra sull'interpretazione dei risultati e sulla comprensione del compromesso tra accuratezza predittiva e interpretabilità del modello. Vengono trattati argomenti fondamentali come la regressione lineare, le tecniche di classificazione, i metodi di validazione incrociata e la regolarizzazione per gestire dati ad alta dimensionalità.
Leggi il riassunto completo
  • Il testo presenta "An Introduction to Statistical Learning" come un manuale didattico progettato per studenti avanzati e professionisti che necessitano di strumenti pratici per modellare e comprendere dataset complessi, integrando concetti statistici con lo sviluppo informatico del machine learning.
  • L'opera si distingue dai testi precedenti focalizzandosi sulle applicazioni pratiche dei metodi piuttosto che sui dettagli matematici rigorosi, fornendo laboratori interattivi in R per implementare tecniche come lasso, regressione sparsa e alberi di classificazione.
  • Il contenuto copre una vasta gamma di argomenti fondamentali inclusi la regressione lineare semplice e multipla, la selezione dei modelli tramite sottinsiemi, metodi di regolarizzazione come Ridge e Lasso, e tecniche di riduzione della dimensionalità quali PCA e PLS.
  • Vengono approfonditi approcci avanzati per gestire problemi di non linearità attraverso funzioni base, spline, regressione locale e modelli additivi generalizzati (GAM), oltre a trattare specificamente le sfide poste dai dati ad alta dimensionalità.
  • Il libro introduce metodi robusti per la valutazione dell'accuratezza dei modelli come la cross-validazione (k-fold, leave-one-out) e il bootstrap, illustrando il compromesso fondamentale tra accuratezza predittiva e interpretabilità del modello.

Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo

Anteprima pagina 1 — An introduction to statistical learning Anteprima pagina 2 — An introduction to statistical learning Anteprima pagina 3 — An introduction to statistical learning Anteprima pagina 4 — An introduction to statistical learning Anteprima pagina 5 — An introduction to statistical learning

Stai vedendo l'anteprima delle prime pagine. Registrati per sbloccare le pagine restanti.

Studia questi appunti con l'AI

Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.

Registrati e scarica gratis questo appunto.

Simula l'esame con domande costruite su questi appunti.

Di cosa parla l'insegnamento

DATA MINING E STASTISTICAL LEARNING · 2° anno · 12 CFU · SECS-S/01

Il corso si propone di introdurre metodi e modelli per estrarre informazioni rilevanti da grandi moli di dati, con particolare attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che non (apprendimento supervisionato e non). Al fine di fornire le competenze per l'analisi e la…

Scheda completa nella pagina del corso

Altri appunti di DATA MINING E STASTISTICAL LEARNING

Condividi questi appunti

WhatsApp Telegram