|
Docente
|
FENGA LIVIO
(programma)
1. Richiami di statistica di base, linearita’ e non linearita’ 2. Analisi dei dati dipendenti (modelli AR, MA, ARIMA,ARIMAX,SARIMAX) 3. Introduzione al machine learning 4. regression lineare 5. classificazione 6. metodi di ricampionamento 7. selezione del modello e regolarizzazione 8. modelli non lineari: Splines, Local regression, and GAMs 9. Modelli ad alberi: Bagging, Boosting and Random Forests 10 Support vector machines 11. Apprendimento non supervisionato 12. Reti neurali artificiali
 - Gareth James - Daniela Witten - Trevor Hastie - Robert Tibshirani An Introduction to Statistical Learning with Applications in R (2021) Scaricabile gratuitamente al sito https://hastie.su.domains/ISLR2/ISLRv2_website.pdf
- Brett Lantz (2013) Machine Learning with R Scaricabile gratuitamente al sito https://www.packtpub.com/product/machine-learning-with-r/9781782162148
- Qualsiasi testo introduttivo su serie storiche
|