Argomenti:
- Introduzione a R
- Esplorazione grafica e analisi descrittiva per dati univariati
1) Introduzione allo statistical learning
- Inferenza (test) per due popolazioni. One way and two way ANOVA per dati univariati
- Analisi multivariate: esplorazione, quantificazione della dipendenza (matrice di varianza/covarianza)
- Riduzione dimensionale: Analisi delle Componenti Principali, Analisi Discriminante Canonica di Fisher
2) Modelli Lineari (Generalizzati)
- Regressione lineare semplice e multipla. Stima dei coefficienti, valutazione dell’accuratezza della stima dei coefficienti, valutazione dell’accuratezza del modello. Predittori qualitativi. PRESS.
- Selezione del modello e regolarizzazione: subset selection, metodi di shrinkage (ridge regression e lasso).
- Regressione logistica (binaria and multinomiale). Sensitività, Specificità, Curva ROC
3) Regressione non parametrica, classificazione e clustering
- Regressione e classificazione supervisionata: LDA, KNN, CART, Random Forest.
- Classificazione non supervisionata. Clustering gerarchico e K-means
- Cross Validazione
Schemi:
Qui sotto puoi trovare un link a degli schemi realizzati da alunni* di Business Data Analytics per un corso di ingegneria Gestionale.
No posts found!
Temi d'Esame:
No posts found!
*Potrebbero essere presenti errori, ogni segnalazione è gradita.
