Analisi di dati biomedici: tecniche di riduzione della dimensionalità in machine learning

Franchin, Francesca (2023) Analisi di dati biomedici: tecniche di riduzione della dimensionalità in machine learning. [Laurea], Università di Bologna, Corso di Studio in Ingegneria biomedica [L-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

Nell’esperienza comune si è abituati a visualizzare i dati trattati in due o tre dimensioni, questo poiché all’aumentare della dimensionalità la visualizzazione dei dataset diviene difficoltosa e impedisce un’analisi efficace. Nell’era dei Big Data, ove si trattano database di grandi dimensioni, operare a tali condizioni risulta impossibile e proprio per ovviare a questo problema, vari ricercatori hanno trovato tecniche che potessero ridurre i dataset a due o tre dimensioni rendendoli facilmente visualizzabili. In questo elaborato si discuterà lo stato dell’arte di tali tecniche di riduzione della dimensionalità in ambito biomedico, esaminando tre metodiche (PCA, t-sne e UMAP), che verranno infine messe a confronto attraverso un esempio pratico.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Franchin, Francesca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Analisi dati biomedici,problema della dimensionalità,PCA,machine learning,t-SNE,UMAP
Data di discussione della Tesi
16 Marzo 2023
URI

Altri metadati

Gestione del documento: Visualizza il documento

^