In statistica, l’asimmetria e la curtosi sono due modi per misurare la forma di una distribuzione. L’asimmetria è una misura dell’asimmetria di una distribuzione. Questo valore può essere positivo o negativo. Un’asimmetria negativa indica che la coda si trova sul lato...
I quartili sono valori che dividono un set di dati in quattro parti uguali. Il primo quartile rappresenta il 25° percentile di un set di dati. Il secondo quartile rappresenta il 50° percentile di un set di dati. Questo valore è...
Il campo dell’apprendimento automatico contiene un’enorme serie di algoritmi che possono essere utilizzati per comprendere i dati. Questi algoritmi possono essere classificati in una delle due categorie seguenti: 1. Algoritmi di apprendimento supervisionato: implicano la costruzione di un modello per stimare...
Puoi generare rapidamente una distribuzione normale in Python utilizzando la funzione numpy.random.normal() , che utilizza la seguente sintassi: numpy. random . normal (loc=0.0, scale=1.0, size=None) Oro: loc: Media della distribuzione. Il valore predefinito è 0. scala: deviazione standard della distribuzione. Il...
Gli algoritmi di machine learning possono essere suddivisi in due tipologie distinte: algoritmi di apprendimento supervisionato e non supervisionato . Gli algoritmi di apprendimento supervisionato possono essere classificati in due tipologie: 1. Regressione: la variabile di risposta è continua. Ad esempio,...
Per valutare le prestazioni di un modello su un set di dati, dobbiamo misurare quanto bene le previsioni del modello corrispondono ai dati osservati. Per i modelli di regressione , la metrica più comunemente utilizzata è l’errore quadratico medio (MSE), calcolato...
La regressione lineare semplice è una tecnica che possiamo utilizzare per comprendere la relazione tra una singola variabile esplicativa e una singola variabile di risposta . In poche parole, questa tecnica trova la linea che meglio “si adatta” ai dati e...
La regressione lineare semplice è una tecnica che possiamo utilizzare per comprendere la relazione tra una singola variabile esplicativa e una singola variabile di risposta . Questa tecnica trova la linea che meglio “si adatta” ai dati e assume la forma...
Quando vogliamo comprendere la relazione tra una singola variabile predittrice e una variabile di risposta, spesso utilizziamo la regressione lineare semplice . Tuttavia, se vogliamo comprendere la relazione tra più variabili predittive e una variabile di risposta, possiamo utilizzare la regressione...
Quando vogliamo comprendere la relazione tra una o più variabili predittive e una variabile di risposta continua, spesso utilizziamo la regressione lineare . Tuttavia, quando la variabile di risposta è categoriale, possiamo utilizzare la regressione logistica . La regressione logistica è...