Dernière sortie
Scienza dei Dati con R. Apprendimento Supervisionato: Modelli di Classificazione Predittiva
Gli algoritmi di apprendimento automatico utilizzano metodi computazionali per estrarre informazioni direttamente dai dati. L'apprendimento automatico impiega due tipi principali di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che identifica pattern nascosti o strutture intrinseche nei dati di input.
La maggior parte delle tecniche di apprendimento supervisionato viene sviluppata in questo libro sia da una prospettiva metodologica che pratica, con applicazioni che utilizzano il software R. Le seguenti tecniche vengono esplorate in dettaglio: analisi discriminante, modelli logit, modelli probit, modelli di conteggio, modelli lineari generalizzati, modelli a scelta discreta, alberi decisionali e reti neurali.
La maggior parte delle tecniche di apprendimento supervisionato viene sviluppata in questo libro sia da una prospettiva metodologica che pratica, con applicazioni che utilizzano il software R. Le seguenti tecniche vengono esplorate in dettaglio: analisi discriminante, modelli logit, modelli probit, modelli di conteggio, modelli lineari generalizzati, modelli a scelta discreta, alberi decisionali e reti neurali.
Gli algoritmi di apprendimento automatico utilizzano metodi computazionali per estrarre informazioni direttamente dai dati. L'apprendimento automatico impiega due tipi principali di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e l'apprendimento non supervisionato, che identifica pattern nascosti o strutture intrinseche nei dati di input.
La maggior parte delle tecniche di apprendimento supervisionato viene sviluppata in questo libro sia da una prospettiva metodologica che pratica, con applicazioni che utilizzano il software R. Le seguenti tecniche vengono esplorate in dettaglio: analisi discriminante, modelli logit, modelli probit, modelli di conteggio, modelli lineari generalizzati, modelli a scelta discreta, alberi decisionali e reti neurali.
La maggior parte delle tecniche di apprendimento supervisionato viene sviluppata in questo libro sia da una prospettiva metodologica che pratica, con applicazioni che utilizzano il software R. Le seguenti tecniche vengono esplorate in dettaglio: analisi discriminante, modelli logit, modelli probit, modelli di conteggio, modelli lineari generalizzati, modelli a scelta discreta, alberi decisionali e reti neurali.
