Introduzione all'analisi multivariata dei dati
Section outline
-
-
-
Questa prima week introduce i concetti fondamentali dell'analisi multivariata e la distinzione tra variabili quantitative e qualitative. Presenta la matrice dei dati e la sfida di analizzare dati complessi, soprattutto quando si tratta di variabili qualitative con la tabella di contingenza, e introduce l'analisi delle corrispondenze come tecnica esplorativa visuale per rilevare strutture nascoste.
-
-
Questa seconda week approfondisce l'analisi delle corrispondenze e la costruzione della mappa fattoriale, con esempi specifici su come interpretarli. Introduce l'analisi delle corrispondenze multiple (ACM) per più variabili qualitative e sintetizza i concetti appresi.
-
-
La terza week introduce i due principali approcci di apprendimento dai dati: supervisionato e non supervisionato. Spiega la regressione lineare semplice e multipla come tecnica principale per l'apprendimento supervisionato, compresa la diagnosi della collinearità tra predittori.
-
-
L'ultima week presenta le tecniche dell'apprendimento non supervisionato: la PCA per la riduzione della dimensionalità e il clustering (K-means e gerarchico) per scoprire gruppi o segmenti naturali nei dati. Conclude con una guida su come scegliere la tecnica appropriata, i concetti chiave da ricordare e la mentalità dell'analista dati.
-
-
-
-
-