Statistical Learning

• Il docente mette a disposizione sul sito web del corso: lucidi delle lezioni, letture suggerite, datasets e materiale supplementare (script di Matlab e R).

Argomenti del programma: 1. Introduction to data mining. Tools for data analysis, visualisation and description. (Lectures 1-3) 2. The linear regression model. Estimation and prediction. (Lectures 4-6) 3.Model selection and evaluation: bias-variance trade-off, model complexity and goodness of fit. Cross-validation. Selection using information criteria. (Lectures 6-9) 4.

• Frequentanti: Materiale distribuito dai docenti.

Argomenti del programma: Il programma del corso è suddiviso in sette parti collegate tra loro: 1) Introduzione al software R 2) Regressione lineare 3) Regressione logistica 4) Analisi in componenti principali 5) Segmentazione 6) Strumenti automatici per la classificazione 7) Applicazioni all'analisi di dati testuali e di immagini Durante ogni lezione, il docente presenta i contenuti previsti con l'ausilio di presentazioni power point e…

Argomenti del programma: 8 ore – Fondamenti di Statistical Learning, Loss, funzioni di Bayes, no-free-lunch Theorem, Ottimalità Minimax 2 ore – Metodi di Local Averaging, kNN, Nadaraya-Watson 8 ore – ERM, Regolarizzazione e Ridge Regression 6 ore – Decomposizione del Rischio, Covering Numbers e Complessità di Rademacher 8 ore – Metodi Kernel, Representer Theorem, Spazi di Hilbert a nucleo riproducenti, Teorema di Bochner, adattività a…