Spesso quando si parla di Machine learning o statistica si ha la percezione che le persone possano risolvere tutti i problemi del mondo con delle scatole magiche chiamate algoritmi che nessuno sa bene come funzionano.
Questa raccolta di articoli non vuole avere l'ambizioni di spiegare tutto lo scibile della statistica e del Machine learning e neanche spiegare i principali argomenti che compongono questo vasto mondo ma semplicemente racchiude alcuni argomenti che reputo importanti e interessanti. Alcuni di questi saranno più discorsivi, alcuni più informatici e altri più matematico-statistico ma in ogni articolo si cercherà di mantenere un'impronta applicativa così da rendere più chiara la spiegazione.
In questo articolo si affrontano i metodi base della generazione di numeri casuali e pseudocasuali.
Link dell'articolo
Dalla statistica classica al Machine Learning evoluzione dei dati.
Link dell'articolo
Stazionarietà e non stazionarietà di una serie storica
Link dell'articolo
Processi stocasici multivariati: Modelli VARMA e VAR
Link dell'articolo
Cointegrazione
Link dell'articolo
In questo articolo si affrontano il Metodo Monte Carlo, andando ad analizzare anche i metodi di riduzione della varianza, quali: Metodo delle variabili di controllo e metodo delle variabili antitetiche.
Link dell'articolo
Che cosa è il data science.
Link dell'articolo
I modelli Stacked.
Link dell'articolo
Il test esatto di Fisher è un test per la verifica d’ipotesi utilizzato nell’ambito della statistica non parametrica in situazioni con due variabili nominali dicotomiche.
Link dell'articolo
Le misure alla base della Network analysis in R
Link dell'articolo
Le misure alla base della Network analysis in Python
Link dell'articolo
Download dataset from_to.csv
Download dataset info.csv
Work in progress: Rappresentazione dinamica della network
Work in progress: Analisi cluster e community
Teoria della previsione
Link dell'articolo
Reti neurali convoluzionali: definizione ed elementi.
Link dell'articolo
Correlazione vs causalità
Link dell'articolo
Nozioni schematiche sugli steps in una ricerca di mercato
Link dell'articolo
Il problema dei multiple testing.
Link dell'articolo
Quattro componenti di base di questi modelli: Trend:, Ciclo, Stagionalità, Rumore (WN).
Inserito anche piccolo approfondimento sull'utilizzo dei regressori in questi modelli.
Link dell'articolo
Il boosting è una tecnica di machine learning che rientra nella categoria dell'Apprendimento ensemble. L'idea del Boosting è quella di unire classificatori "deboli" ai fini di creare un classificatore avente migliore accuratezza.
Link dell'articolo
In questo articolo si spiega in modo introduttivo il concetto di rete neurale e si introduce la Multi-Layer Perceptron (MLP)
Link dell'articolo
È una tecnica di regressione non parametrica e può essere vista come un'estensione di modelli lineari che modella automaticamente non linearità e interazioni tra variabili
Link dell'articolo
Record Linkage e Knowledge Discovery
Link dell'articolo
Introduzione all'approccio Bayesiano
Link dell'articolo
Scelta della prior:
a) Assegnazione diretta
b) Distribuzioni coniugate al Modello
c) Distribuzioni non informative
Link dell'articolo
Metodi di scelta degli iperparametri
Link dell'articolo
Inferenza previsiva con l'approcio bayesiano:
a) Stima puntuale
b) Stima intervallare
c) Verifica d'ipotesi
Link dell'articolo
Sintesi della posterior
Link dell'articolo
1. Introduzione ai modelli State Space
Link dell'articolo
2. Introduzione ai modelli UCM in forma State Space con la libreia KFAS
Link dell'articolo
3. Modelli State Space stima dei parametri ignoti
Link dell'articolo
4. Applicazione modelli State Space stima dei parametri ignoti e residui ausiliari
Link dell'articolo
5. Forecasting, filtering e smoothing
Link dell'articolo
Sintesi degli steps di una analisi, dai dati alla previsione.
Link dell'articolo
La psiconometria e il Test della personalità di Myers Briggs come vengono usati nelle analisi di mercato
Link dell'articolo
0. Introduzione ai dati geostatistici.
Link dell'articolo
1. Introduzione alla statistica spaziale
Link dell'articolo
2. Dati spaziali in R
Link dell'articolo
3. Processi di Punto Spaziali: Il processo di Poisson
Link dell'articolo
4. Processi di Punto Spaziali: Il test per la CSR
Link dell'articolo
5. Processi di Punto Spaziali: Stima della funzione d'intensità
Link dell'articolo
6. Introduzione alla Geostatistica, variabilità di larga e piccola scala.
Link dell'articolo
7. Modello Geostastistico.
Link dell'articolo
8. Analisi esplorativa EDA e ESDA.
Link dell'articolo
9. Introduzione teorica su previsione spaziale e kriging e applicazione in R su Kriging Ordinario e Universale.
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo
Testo
Link dell'articolo