Il lavoro di tesi di dottorato focalizza l'attenzione sulla segmentazione binaria quale metodo di classificazione/regressione supervisionata alla quale si può far ricorso, com è noto, per motivi esplorativi e decisionali. Dal primo punto di vista, il lavoro di tesi si propone quale inedita via in ambito di classificazione supervisionata in presenza di variabili di risposta multidimensionali espressione di "preference rankings". Dal punto di vista decisionale, la ricerca culminata nella redazione della tesi di dottorato presenta i metodi di regressione e classificazione ad albero quali metodo completo di pre-trattamento dei data (Data Editing), affrontando problematiche relative all'imputazione dei dati mancanti, alla validazione della qualità dei dati, all'omogeneizzazione di dati provenienti da fonti diverse (Data Fusion).
Tree-Based Methods for Data editing and Preference Rankings / Siciliano, Roberta. - (2007).
Tree-Based Methods for Data editing and Preference Rankings
SICILIANO, ROBERTA
2007
Abstract
Il lavoro di tesi di dottorato focalizza l'attenzione sulla segmentazione binaria quale metodo di classificazione/regressione supervisionata alla quale si può far ricorso, com è noto, per motivi esplorativi e decisionali. Dal primo punto di vista, il lavoro di tesi si propone quale inedita via in ambito di classificazione supervisionata in presenza di variabili di risposta multidimensionali espressione di "preference rankings". Dal punto di vista decisionale, la ricerca culminata nella redazione della tesi di dottorato presenta i metodi di regressione e classificazione ad albero quali metodo completo di pre-trattamento dei data (Data Editing), affrontando problematiche relative all'imputazione dei dati mancanti, alla validazione della qualità dei dati, all'omogeneizzazione di dati provenienti da fonti diverse (Data Fusion).I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
