; Skip to content

Classificazione automatica per dati ad alta dimensionalità: un approccio fuzzy per dati categorici

Gratis La preview di questa tesi è scaricabile gratuitamente in formato PDF.
Per scaricare il file PDF è necessario essere iscritto a Tesionline. L'iscrizione non comporta alcun costo: effettua il Login o Registrati.

Mostra/Nascondi contenuto.
stesse caratteristiche. I pazienti non sono tutti uguali, ma presentano situazioni fami- liari, personali, ed abitudinarie diverse. Per distinguere, dunque, i soggetti analizzati in base ai sintomi rilevati (diagnosi) e magari anche al rischio di future complicanze dovute al diabete, il laboratorio decide di prendere in considerazione una serie di para- metri, tra cui quelli derivanti per esempio dall’analisi del movimento o dalle abitudini alimentari, utili per raccogliere informazioni e per proporre soluzioni al problema. In linea generale, procedimenti come la segmentazione empirica della clientela e la strutturazione della diagnosi per i pazienti, avvengono tramite l’utilizzo, da parte di chi sta effettuando l’analisi, di tecniche di data mining 1 in grado di individuare rela- zioni, informazioni e schemi, che si trovano all’interno di grandi databases e che sono utili anche ai fini previsionali. Tra di esse, particolare rilievo assume la cluster ana- lysis (o analisi dei gruppi), che secondo Robert Tryon [61], colui che ne ha coniato il termine nel 1939, è «un insieme di tecniche di analisi multivariata dei dati volte alla selezione ed al raggruppamento di elementi omogenei in un insieme di dati». Formalmente, lo scopo di una qualsiasi tecnica di cluster analysis è quello di scopri- re la "naturale" struttura di gruppo di un set di osservazioni (clienti, per esempio, nel caso dell’azienda, e pazienti diabetici nel caso del laboratorio) descritte da un insieme di variabili: ognuna di queste tecniche, cioè, può essere interpretata come un metodo per estrarre informazioni dai dati, con una logica orientata alle osservazioni, assai di- versa da tutt’un’altra serie di metodi che si concentrano, invece, sulle variabili. Dato, quindi, un set di osservazioni sulle quali sono state misurate determinate variabili, si vogliono suddividere/distinguere gli elementi del primo in gruppi omogenei (rispetto alle ultime), anche detti clusters, andandone poi a studiare le caratteristiche in termini di informazioni condivise dagli appartenenti. I due esempi illustrativi e le poche righe di presentazione del metodo permettono di caratterizzare la cluster analysis con delle prime proprietà che la rendono una tecnica molto utilizzata dagli studiosi. La cluster analysis, infatti, è: • diffusa. Il marketing e la ricerca medica sono solo due dei possibili ambiti in cui essa è prevalente; in effetti c’è un grande interesse nel raggruppare cose dovuto al vasto ammontare di dati in settori che spaziano dall’astronomia alla psicologia, dall’informatica all’archeologia, ecc. [22]; • una metodologia non supervisionata. Essa ricerca nelle osservazioni una strut- tura, a gruppi, che non esiste o almeno non è nota a priori. Per questo motivo, si distingue dalla discriminazione (o analisi discriminante), la quale si concentra sul trovare dei confini ottimali sui gruppi da discriminare, e per la quale, quin- di, esiste già una struttura all’interno dei dati - l’obiettivo, infatti, è quello di assegnare correttamente ulteriori osservazioni al corrispondente gruppo; • conosciuta anche con il nome di classificazione automatica. Per trasformare, infatti, un numeroso complesso di unità di rilevazione in una serie coerente di in- formazioni restituite sotto forma di gruppi, c’è bisogno di algoritmi formalizzati e costruiti in base a criteri di ottimizzazione predefiniti (automatici). 1 Per data mining si intende l’insieme delle tecniche e delle metodologie che hanno per oggetto l’estrazione di informazioni utili da grandi quantità di dati (ad esempio dai databases), attraverso metodi automatici o semi-automatici e l’utilizzo scientifico, aziendale/industriale o operativo delle stesse. 2
Anteprima della tesi: Classificazione automatica per dati ad alta dimensionalità: un approccio fuzzy per dati categorici, Pagina 3

Preview dalla tesi:

Classificazione automatica per dati ad alta dimensionalità: un approccio fuzzy per dati categorici

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

Informazioni tesi

  Autore: Marco D'Alessandro
  Tipo: Tesi di Laurea Magistrale
  Anno: 2017-18
  Università: Università degli Studi di Napoli - Federico II
  Facoltà: Scienze Politiche
  Corso: Scienze Statistiche per le decisioni
  Relatore: Francesco Palumbo
  Lingua: Italiano
  Num. pagine: 140

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Per tradurre questa tesi clicca qui »
Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

cluster analysis
raggruppamento
riduzione della dimensionalità
fuzzy cluster analysis
fuzzy approach

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi