Un sistema per l'apprendimento di modelli predittivi in reti di sensori
Alberi di classificazione o regressione multi-target
Gli alberi multi-target sono alberi i cui modelli alle foglie riguardano diverse variabili che debbono essere predette contemporaneamente. Tale modello include una classe nel caso di attributi discreti, una costante numerica nel caso di attributi continui: in ogni caso una predizione per ogni variabile. Sebbene i modelli riguardino variabili diverse, il partizionamento ricorsivo del training set è guidato da una euristica che sintetizza l'errore cumulato (somma degli errori) per tutti gli attributi. In definitiva, di volta in volta si sceglie lo split che minimizza la stima dell'errore cumulativo. Gli alberi così costruiti, hanno una struttura con nodi di split che segmentano lo spazio lungo le coordinate spaziali e nodi foglia che includono un modello per ciascuna variabile risposta. La costruzione dell'albero procede dall'alto verso il basso (top-down), attraverso una ricerca euristica del miglior test iterata finché un qualche criterio di stop non è soddisfatto. Classificazione e regressione sono problemi ben noti in data mining. Lo scopo è apprendere un modello di predizione da utilizzare nella classificazione/regressione di dati. Modelli ad albero sono ben noti modelli di classificazione e regressione. Descrivono un partizionamento dello spazio di ricerca e associano un modello di predizione (classe e costante numerica) ad ogni partizione. Per ogni esempio la cui classe è sconosciuta, si determina la partizione in cui l'esempio ricade e si usa il modello ad esso associato per effettuare la predizione. Recentemente sono stati definiti algoritmi per l'induzione di alberi di classificazione/regressione multi-target: la variabili da predire possono essere una o molte. Tuttavia le soluzioni esistenti né considerano la dimensione spaziale e/o temporale dei dati, né si affrontano problemi di predizione generali in cui le variabili da predire sono sia categoriche (classificazione) sia numeriche (regressione).
Questo brano è tratto dalla tesi:
Un sistema per l'apprendimento di modelli predittivi in reti di sensori
CONSULTA INTEGRALMENTE QUESTA TESI
La consultazione è esclusivamente in formato digitale .PDF
Acquista
Informazioni tesi
Autore: | Ripalta Paciello |
Tipo: | Laurea I ciclo (triennale) |
Anno: | 2010-11 |
Università: | Università degli Studi di Bari |
Facoltà: | Scienze Matematiche, Fisiche e Naturali |
Corso: | Informatica |
Relatore: | Annalisa Appice |
Lingua: | Italiano |
Num. pagine: | 67 |
FAQ
Come consultare una tesi
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Perché consultare una tesi?
- perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
- perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
- perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
Clausole di consultazione
- L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
- Nel caso in cui l’utente che consulta la tesi volesse citarne alcune parti, dovrà inserire correttamente la fonte, come si cita un qualsiasi altro testo di riferimento bibliografico.
- L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
Vuoi tradurre questa tesi?
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona »
DUBBI? Contattaci
Contatta la redazione a
[email protected]
Parole chiave
Tesi correlate
Non hai trovato quello che cercavi?
Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database
Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione
Ottimizza la tua ricerca:
- individua con precisione le parole chiave specifiche della tua ricerca
- elimina i termini non significativi (aggettivi, articoli, avverbi...)
- se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
- utilizza la ricerca avanzata
- utilizza gli operatori booleani (and, or, "")
Idee per la tesi?
Scopri le migliori tesi scelte da noi sugli argomenti recenti
Come si scrive una tesi di laurea?
A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?
Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.
La tesi l'ho già scritta,
ora cosa ne faccio?
La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.
Il nostro consiglio è di non sprecare tutto questo lavoro:
È ora di pubblicare la tesi