SCIENZA DEI DATI ATTRAVERSO PYTHON. TECNICHE DI APPRENDIMENTO SUPERVISIONATO: kNN, SVM, BAYES NAIVE, BAGGING, BOOSTING, STACKING E RETI NEURALI

Gli algoritmi di scienza dei dati utilizzano metodi computazionali per estrarre informazioni direttamente dai dati. L'apprendimento automatico utilizza due tipi di tecniche: l'apprendimento supervisionato, che si inserisce in un modello con dati di ingresso e uscita conosciuti per poter prevedere i risultati futuri, e l'apprendimento non supervisionato, che trova utenti nascosti o strutture intrinseche ai dati di ingresso. La maggior parte delle tecniche di apprendimento supervisionate sono state sviluppate lungo questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni attraverso il software Python. Si approfondisce nelle seguenti tecniche: Vecino más cercano (kNN), Support Vector Machine (SVM), Naive Bayes, Metodi di assemblaggio, Bagging, Boosting, Voting, Stacking, Blending, Random Forest, Reti neuronali, Perceptrón Multicapa, Reti di Base Radial, Reti di Hopfield, Reti LSTM, Reti ricorrenti RNN, Reti GRU e Reti Neuronali per la previsione delle serie temporali.