Guida completa
eBook - ePub

Guida completa

Conoscere le tecniche per costruire modelli predittivi

  1. 420 pagine
  2. Italian
  3. ePUB (disponibile sull'app)
  4. Disponibile su iOS e Android
eBook - ePub

Guida completa

Conoscere le tecniche per costruire modelli predittivi

Dettagli del libro
Indice dei contenuti
Citazioni

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

È semplicissimo: basta accedere alla sezione Account nelle Impostazioni e cliccare su "Annulla abbonamento". Dopo la cancellazione, l'abbonamento rimarrà attivo per il periodo rimanente già pagato. Per maggiori informazioni, clicca qui
Al momento è possibile scaricare tramite l'app tutti i nostri libri ePub mobile-friendly. Anche la maggior parte dei nostri PDF è scaricabile e stiamo lavorando per rendere disponibile quanto prima il download di tutti gli altri file. Per maggiori informazioni, clicca qui
Entrambi i piani ti danno accesso illimitato alla libreria e a tutte le funzionalità di Perlego. Le uniche differenze sono il prezzo e il periodo di abbonamento: con il piano annuale risparmierai circa il 30% rispetto a 12 rate con quello mensile.
Perlego è un servizio di abbonamento a testi accademici, che ti permette di accedere a un'intera libreria online a un prezzo inferiore rispetto a quello che pagheresti per acquistare un singolo libro al mese. Con oltre 1 milione di testi suddivisi in più di 1.000 categorie, troverai sicuramente ciò che fa per te! Per maggiori informazioni, clicca qui.
Cerca l'icona Sintesi vocale nel prossimo libro che leggerai per verificare se è possibile riprodurre l'audio. Questo strumento permette di leggere il testo a voce alta, evidenziandolo man mano che la lettura procede. Puoi aumentare o diminuire la velocità della sintesi vocale, oppure sospendere la riproduzione. Per maggiori informazioni, clicca qui.
Sì, puoi accedere a Guida completa di Brett Lantz in formato PDF e/o ePub, così come ad altri libri molto apprezzati nelle sezioni relative a Ciencia de la computación e Ciencias computacionales general. Scopri oltre 1 milione di libri disponibili nel nostro catalogo.

Informazioni

Editore
Apogeo
Anno
2020
ISBN
9788850318995
Argomento
Ciencia de la computación
Categoria
Ciencias computacionales general

Indice dei contenuti

  1. Autore e revisore
  2. Ringraziamenti
  3. Introduzione
  4. Capitolo 1 - Introduzione al machine learning
  5. Capitolo 2 - Gestione e conoscenza dei dati
  6. Capitolo 3 - Apprendimento “pigro”: classificazione nearest neighbors
  7. Capitolo 4 - Apprendimento probabilistico: Naive Bayes
  8. Capitolo 5 - Classificazione tramite alberi decisionali e regole
  9. Capitolo 6 - Previsione di dati numerici: i metodi a regressione
  10. Capitolo 7 - Metodi black-box: reti neurali e macchine a vettori di supporto
  11. Capitolo 8 - Ricerca di pattern: analisi del carrello della spesa tramite regole associative
  12. Capitolo 9 - Ricerca di gruppi di dati: clustering con k-means
  13. Capitolo 10 - Valutazione delle prestazioni di un modello
  14. Capitolo 11 - Miglioramento delle prestazioni del modello
  15. Capitolo 12 - Argomenti specialistici di machine learning