STATISTICAL LEARNING

Docenti

Corsi di laurea e percorsi

Programma

Obiettivi Formativi

Lo scopo del corso e' di fornire metodi e strumenti di base per l'estrazione di informazione dai dati. Ci si concentrera' soprattutto sui metodi di supervised learning. Le tecniche e i risultati presentati saranno applicati all'analisi di insiemi di dati reali durante le lezioni di laboratorio.

Prerequisiti

E' richiesta una conoscenza di base di calcolo delle probabilita' e inferenza statistica. Inoltre e' consigliata una familiarita' con il pacchetto statistico R, che verra' utilizzato in laboratorio.

Contenuti

1 Modelli lineari per la regressione e la classificazione
2 Metodi di lisciamento
3 Selezione del modello
4 Inferenza sul modello
5 Modelli additivi, alberi di classificazione e regressione

Testi di riferimento

Berk, R.A. (2008). Statistical Learning from a Regression Perspective.
New York: Springer-Verlag.

Hastie, T., Tibshirani, R. and Friedman, J. (2008) The Elements of Statistical Learning: Data Mining, Inference and Prediction.
Second Edition. New York: Springer-Verlag.

Vapnick, V. (1996). The Nature of Statistical Learning Theory. New York:
Springer-Verlag.

Modalità di verifica dell'apprendimento

scritto

Metodi didattici

Lezioni di teoria e di laboratorio.

Lingua di insegnamento

Inglese