MACHINE LEARNING CON R. APPRENDIMENTO SUPERVISIONATO: REGRESSIONE

Questo libro sviluppa le tecniche di apprendimento supervisionato comunemente utilizzate nelle applicazioni di Intelligenza Artificiale Predittiva e Data Science. Le tecniche sono illustrate con esempi completamente risolti utilizzando il software appropriato. Verrà utilizzato il linguaggio R e le sue librerie relative all'apprendimento supervisionato, ideali per lavorare in questo campo. Il corso approfondisce algoritmi predittivi come la Regressione Lineare Multipla, la Regressione Ridge, la Regressione PLS, la Regressione LARS, la Regressione LASSO, la Regressione Elastic Net, il Modello Lineare Generalizzato, la Regressione Robusta, la Regressione Vettoriale di Supporto (SVR), la Regressione Ridge Kernel (Kernel Ridge Regression), la Regressione Ridge Kernel (Kernel Ridge Regression) e la Regressione Ridge Kernel (Kernel Ridge Regression), Kernel Ridge Regression (KRR), Stochastic Gradient Descendent Regression (SGD), Regressione di Hubert, Regressione di Poisson, Regressione binomiale negativa, Modelli logit e probit, Modelli di conteggio e Modelli di reti neurali (LSTM, RNN, NARX, NNAR e GRU).