Prof. Stefano Merler

Anno Accademico 2001/2002

Conoscenza ed implementazione al calcolatore dei modelli di classificazione e regressione basati su kernel. Conoscenza ed implementazione al calcolatore delle tecniche di ricampionamento per l'ottimizzazione, la stima dei parametri, la valutazione di modelli.

Modelli non parametrici

- metodi basati su kernel

- convergenza in probabilita`

- funzioni a base radiale

- metodi riconducibili a metodi basati su kernel

- smoothing spline

- k nearest neighbor

- metodi basati su serie ortogonali

- introduzione alle support vector machines

- ottimizzazione di SVM

Valutazione e selezione di modelli

- bias e varianza, il problema dell'overfitting

- sensibilita` e sensitivita` dei modelli di classificazione

• tecniche di ricampionamento: cross-validation, bootstrap
• tecniche di stima dell'errore

- tecniche di stima di intervalli di confidenza

- ottimizzazione di metodi basati su kernel

Introduzione alle tecniche di combinazione di modelli

• bagging
• boosting

Lo studente dovra` analizzare al calcolatore un problema di regressione o di classificazione con i metodi studiati nel corso, discutere i risultati e i metodi utilizzati.

Appunti delle lezioni. Eventuali testi verranno suggeriti nel corso delle lezioni.