Please enable JavaScript.

Coggle requires JavaScript to display documents.

Machine learning #1 Lez. 6 - Coggle Diagram

- - - - Input tipologia e classe di funzione da considerare
    - - Funzione per ottenere
        Y da X
      - X dati input, features
      - Y risultati, labels
    - - Parametrici
        
        Si definisce la forma della funzione
      - Non parametrici
        
        SI cerca la migliore funzione, senza definire la forma o tipo
      - Analisi del
        modello
        
        80% training - 20% test
        
        Si settano i parametri su training
        
        Si testano su test
        
        Va sempre considerato una % di errore
    - - Regressione
        
        Dati quantitativi
      - Classificazione
        
        Dati qualitativi
  - - - Non ha obiettivo
        e tipologie specifiche
      - Soggettivo
      - Non si possono fare verifiche incrociate (es. training/test)
    - - Principal Component Analysis
      - Date n osservazioni e p attributi,
        identificare quelli più significativi
        
        Ricerca il minor numero di variabili che descrivono comunque bene l'informazione
      - Primo PCA
        
        Dimensione in cui i dati variano al massimo
        
        Definisce la linea più vicina
        a tutte le osservazioni
        
        Si ricerca il massimo
        della varianza
        
        Combinazione lineare normalizzata delle features del set di dati
        
        Media = 0
        S = 1
        
        Le variabili devono essere normalizzate prima dell'esecuzione del processo
      - Funziona bene con valori numerici, male con categorici
      - Secondo PCA
        
        Combinazione lineare Xi che ha la massima varianza tra tutte le combinazioni lineari che non sono correllate con il primo (Z1)
      - N PCA
        
        Avrà la massima varianza di tutte le combinazioni lineari non correlate con i precedenti PCA
      - Minimo numero PCA
        
        Quando la variazione di varianza diventa trascurabile