Gli algoritmi di apprendimento automatico utilizzano metodi computazionali per estrarre informazioni direttamente dai dati. L'apprendimento automatico utilizza due tipi di tecniche: l'apprendimento supervisionato, che addestra un modello con dati di input e output noti in modo da poter prevedere risultati futuri, e l'apprendimento non supervisionato, che individua pattern nascosti o strutture intrinseche nei dati di input. La maggior parte delle tecniche di analisi non supervisionata relative alla riduzione dimensionale viene sviluppata in questo libro da un punto di vista metodologico e pratico, con applicazioni tramite il software R. Le seguenti tecniche vengono esplorate in dettaglio: analisi delle componenti principali, analisi fattoriale, analisi delle corrispondenze semplici e analisi delle corrispondenze multiple.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, CY, CZ, D, DK, EW, E, FIN, F, GR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.