Descrizione del manuale

  1. Descrizioni numeriche e grafiche

  2. Riduzione della dimensionalità

    • Multidimensional Scaling (MDS)
    • Analisi delle Componenti Principali (PCA) e Analisi Fattoriale Esplorativa (EFA)
    • Cenni sull’Analisi delle Corrispondenze (CA)
  3. Clustering

    • Clustring Gerarchico (Agglomerativo) (HC)
    • Clustering Non Gerachico (K-Means) (NHC)
    • Cenni sui Modelli Mistura Gaussiani (GMM)
    • Clustering Spaziale basato su Densità per Applicazioni con Rumore (DBSCAN)
    • Affinity propagation (AFPROP)
  4. Classificazione

    • Richiami di Regressione Logistica
    • Analisi Discriminante Lineare e Quadratica (LDA e QDA)
    • K-Nearest Neighbors (KNN)
    • Alberi di Classificazione (CTREE)
    • Support Vector Machines (Macchine a Vettori di Supporto, SVM)
    • Introduzione alle Foreste Casuali (Random Forests, RF)
    • Introduzione alle Reti Neurali (NN)
  5. Regressione

    • Variazioni intorno ai Modelli Lineari (LM)
    • Alberi di Regressione (RTREE)
    • Introduzione alle Foreste Casuali (Random Forests, RF)
    • Introduzione alle Reti Neurali (Neural Networks, NN)
    • Introduzione alle Tecniche Bootstrap