Machine Learning attraverso R Apprendimento non Supervisionato: Tecniche Descrittive per la Classificazione

di César Pérez López (Autore)

Scientific Books, 2025

Il machine learning è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenza e conclusioni da dati strutturati e non strutturati. Combina elementi di statistica, informatica, matematica e tecniche analitiche per risolvere problemi, fare previsioni e generare valore dai dati. Sfrutta i big data per scoprire modelli, tendenze e relazioni che possono essere utilizzati per il processo decisionale in vari settori. È un importante supporto per l'intelligenza artificiale. Il machine learning utilizza due tipi 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 individua modelli nascosti o strutture intrinseche nei dati di input. La maggior parte di queste tecniche di apprendimento non supervisionato per la classificazione viene sviluppata in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite il software R. Vengono trattate le seguenti tecniche: analisi delle corrispondenze semplici, analisi delle corrispondenze multiple, analisi dei cluster, scaling multidimensionale, reti neurali (SOM Kohonen, ecc.), riconoscimento di pattern, rilevamento di anomalie, autoencoder, elaborazione delle immagini e reti neurali convoluzionali (reti CNN).

• Autore: César Pérez López
• Editore: Scientific Books
• Formato: EPUB2 con DRMFREE
• Lingua: Italiano
• Cloud: Sì Scopri di più
• Compatibilità: Tutti i dispositivi (eccetto Kindle)
• Layout: Reflowable
• EAN: 9798232211844