César Pérez López

Scienza dei Dati attraverso Python Tecniche di Apprendimento Supervisionato: Analisi Discriminante, Modelli Logit e Probit, Modelli di Conteggio, Alberi Decisionali e Random Forest (DATA SCIENCE) (eBook, ePUB)

• Format: ePub

Produktbeschreibung

La scienza dei dati è un campo interdisciplinare che utilizza metodi, algoritmi, processi e sistemi per estrarre conoscenze e conclusioni da dati strutturati e non strutturati. Combina elementi di statistica, informatica, matematica e tecniche analitiche per risolvere problemi, fare previsioni e generare valore dai dati. Si basa sui big data per scoprire modelli, tendenze e relazioni che possono essere utilizzati per il processo decisionale in vari settori. È un importante supporto per l'intelligenza artificiale. La scienza dei dati utilizza due tipi di tecniche: apprendimento supervisionato, che addestra un modello con dati di input e output noti per prevedere risultati futuri, e apprendimento non supervisionato, che trova modelli nascosti o strutture intrinseche nei dati di input. La maggior parte delle tecniche di apprendimento supervisionato sono sviluppate in questo libro da un punto di vista metodologico e da un punto di vista pratico con applicazioni tramite software Python. Le seguenti tecniche sono esplorate in profondità: analisi discriminante, modelli logit, modelli probit, modelli di conteggio, modelli lineari generalizzati, modelli di scelta discreta, alberi decisionali e foreste casuali.

---

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.

Produktdetails

• Verlag: Scientific Books
• Erscheinungstermin: 19. November 2025
• Italienisch
• ISBN-13: 9798232004729
• Artikelnr.: 75942324

Autorenporträt

PhD. Mathematician, Economist and Government Statistician. Professor at the Complutense University of Madrid in the Department of Statistics and Data Science. Author of more than 100 books and articles on Mathematics, Statistics, Economics, and Computer Science.