- 420 pagine
- Italian
- ePUB (disponibile sull'app)
- Disponibile su iOS e Android
Informazioni sul libro
Nell'era dei big data gli algoritmi di apprendimento automatico sono essenziali per elaborare l'enorme mole di informazioni prodotta costantemente. Muovere i primi passi in questa disciplina, però, può non essere né semplice né immediato.Questo manuale guida il lettore nell'applicazione del machine learning utilizzando R, un ambiente di programmazione statistica multipiattaforma che offre un potente set di metodi di analisi. Il testo parte dall'introduzione alla terminologia e ai fondamenti del machine learning per poi mostrare le tecniche per esplorare e preparare i dati all'analisi vera e propria applicando algoritmi che consentono di fare previsioni, individuare modelli e creare cluster. Nella parte conclusiva viene illustrato come valutare e migliorare le performance dei metodi impiegati, esplorando infine alcune possibilità avanzate di utilizzo di R con altre tecnologie per la gestione di big data.Combinando casi di studio pratici con la teoria essenziale, il libro fornisce tutte le conoscenze necessarie per iniziare a lavorare con i dati ed è adatto sia a chi già conosce R sia agli utenti alle prime armi.
Domande frequenti
Informazioni
Indice dei contenuti
- Autore e revisore
- Ringraziamenti
- Introduzione
- Capitolo 1 - Introduzione al machine learning
- Capitolo 2 - Gestione e conoscenza dei dati
- Capitolo 3 - Apprendimento “pigro”: classificazione nearest neighbors
- Capitolo 4 - Apprendimento probabilistico: Naive Bayes
- Capitolo 5 - Classificazione tramite alberi decisionali e regole
- Capitolo 6 - Previsione di dati numerici: i metodi a regressione
- Capitolo 7 - Metodi black-box: reti neurali e macchine a vettori di supporto
- Capitolo 8 - Ricerca di pattern: analisi del carrello della spesa tramite regole associative
- Capitolo 9 - Ricerca di gruppi di dati: clustering con k-means
- Capitolo 10 - Valutazione delle prestazioni di un modello
- Capitolo 11 - Miglioramento delle prestazioni del modello
- Capitolo 12 - Argomenti specialistici di machine learning