Evandri, Chiara
(2017)
Classificatori Bayesiani.
[Laurea], Università di Bologna, Corso di Studio in
Matematica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (284kB)
| Contatta l'autore
|
Abstract
La moderna società dell'informazione e della comunicazione, con il relativo sviluppo inarrestabile di calcolatori, ha portato ad una crescita esponenziale di dati di varie tipologie. Risulta pertanto necessario realizzare degli strumenti automatici in grado di elaborare queste enormi quantità di dati senza richiedere l'intervento umano. In questo elaborato affronteremo in particolare il problema della categorizzazione di dati in un numero stabilito di classi. Nel primo capitolo presenteremo la teoria della classificazione Bayesiana, soffermandoci sul classificatore Bayesiano chiamato Naive Bayes che si basa sull'ipotesi di indipendenza degli attributi analizzati. Nel secondo capitolo mostreremo delle applicazioni alla teoria sviluppata nel capitolo precedente utilizzando set di dati reali di grandi dimensioni, osservando in particolare l'accuratezza del metodo di classificazione sviluppato.
Abstract
La moderna società dell'informazione e della comunicazione, con il relativo sviluppo inarrestabile di calcolatori, ha portato ad una crescita esponenziale di dati di varie tipologie. Risulta pertanto necessario realizzare degli strumenti automatici in grado di elaborare queste enormi quantità di dati senza richiedere l'intervento umano. In questo elaborato affronteremo in particolare il problema della categorizzazione di dati in un numero stabilito di classi. Nel primo capitolo presenteremo la teoria della classificazione Bayesiana, soffermandoci sul classificatore Bayesiano chiamato Naive Bayes che si basa sull'ipotesi di indipendenza degli attributi analizzati. Nel secondo capitolo mostreremo delle applicazioni alla teoria sviluppata nel capitolo precedente utilizzando set di dati reali di grandi dimensioni, osservando in particolare l'accuratezza del metodo di classificazione sviluppato.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Evandri, Chiara
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
classificatore Bayesiano classificazione classi probabilità Bayesiana training set teorema di Bayes
Data di discussione della Tesi
29 Settembre 2017
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Evandri, Chiara
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
classificatore Bayesiano classificazione classi probabilità Bayesiana training set teorema di Bayes
Data di discussione della Tesi
29 Settembre 2017
URI
Statistica sui download
Gestione del documento: