Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Enrolled
Data mining

Docente: E. Fagiuoli

Crediti: 6 CFU

Descrizione e Programma del Corso


Conoscenze: Lo studente apprenderà i principali metodi di determinazione strutturale per la costruzione di reti causali, attraverso gli algoritmi più noti, e i principali algoritmi inferenziali. Inoltre apprenderà metodi atti alla risoluzione di problemi di classificazione, con esempi tratti da vari contesti applicativi, e metodi per la modellizzazione di fenomeni multivariati.

Abilità: Lo studente acquisirà competenze specifiche che lo porranno in grado di affrontare e risolvere, in termini operativi, problemi di classificazione, supevisionata e no, e di modellizzazione di fenomeni attraverso metodi di regressione. Inoltre, lo studente apprenderà l'uso di software specifici.

Programma:

  • Introduzione al Data Mining

  • Preprocessing:

    Data Cleaning , data reduction, feature extraction and selection; discretization.

  • Generalità sulla classificazione supervisionata:

    Alberi di decisione; classificatori bayesiani; cenni ad altre metodologie.

  • Classificazione Bayesiana:

    Naive Bayes; tree augmented Naive Bayes; multi net classifier

  • Reti Bayesiane:

    Teoria; cenni a reti Bayesiane temporali

  • Cenni a algoritmi per reti Bayesiane:

    Algoritmo di Pearl; metodo di Lauritzen- Spiegelhalter.

  • Classificazione non supervisionata: metodi di Clustering:

    Metodi di aggregazione, metodi gerarchici.

    Metodi probabilistici.

  • Modelli regressivi multivariati: complementi:

    Analisi della varianza; analisi dei residui; analisi degli outliers

    Metodi risolutivi: OLS, WLS

    Test per lack of fit; collinearità.

  • Risorse di rete e Software:

    Siti rilevanti

    Componenti software

    Datasets e casi di studio

Vai al sito web del corso

 

Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 25/03/2011