Tecniche di Analisi dei Dati - TAD

Un algoritmo che prende una matrice bersaglio Y, estrae un numero limitato di parametri (k) e usa questi parametri per ricostruire la matrice il più fedelmente possibile tramite una formula r(k).

La matrice originale che contiene i dati grezzi che la T.A.D. cerca di analizzare.

Un insieme di parametri che la T.A.D. cerca di identificare per ricostruire la matrice bersaglio.

La formula che utilizza i parametri estratti (k) per ricostruire la matrice bersaglio il più fedelmente possibile.

La matrice che viene creata dalla T.A.D. utilizzando la formula di ricostruzione e i parametri estratti. Dovrebbe essere molto simile alla matrice bersaglio.

La differenza tra la matrice bersaglio e la matrice riprodotta, che indica le aree in cui le informazioni non sono state completamente catturate.

Una tecnica che applica la stessa trasformazione identica o una trasformazione predefinita all'input per creare la matrice bersaglio.

Una tecnica che può manipolare l'input o una sua parte per renderlo più facilmente riproducibile.

Lo scaling non metrico, la regressione robusta e le tecniche basate sui minimi quadrati alternati sono esempi di tecniche a bersaglio mobile.

La trasformazione dei dati in una matrice di disparità Y, a partire dalla matrice di input X, avviene tramite una funzione m(X) chiamata mappa della tecnica.

Nell'ottica classica, i dati non vengono modificati perché si presume che i modelli incorporino l'errore. Nelle architetture post-classiche (empiriste), si pensa che se i modelli non riproducono accuratamente i dati, è perché il tipo di scala dei dati non è noto a priori e può essere scoperto attraverso l'analisi.

Le tecniche a bersaglio mobile assumono che il tipo di scala dei dati non sia noto a priori e possa essere scoperto attraverso l'analisi. I dati vengono

Con le tecniche a bersaglio mobile, si cerca di

Attraverso la trasformazione dei dati, le tecniche a bersaglio mobile riducono la discrepanza ,

Le tecniche a bersaglio mobile possono eventualmente evitare l'utilizzo della statistica e dei modelli probabilistici ,

Tecniche che analizzano le relazioni tra variabili per definire indici di dipendenza o covariazione.

L'analisi fattoriale è un esempio di questa tecnica.

Tecniche che analizzano le relazioni tra oggetti per sintetizzare nuove variabili.

Un esempio di tecnica di assegnazione utilizzata per classificare oggetti.

Un esempio di tecnica di assegnazione utilizzata per ordinare gli oggetti in base a un criterio.

Un esempio di tecnica di assegnazione utilizzata per misurare la distanza o la somiglianza tra gli oggetti.

Valutare la significatività statistica dei risultati di un'analisi.

La capacità di un modello di riprodurre accuratamente i dati originali.

Metodo che utilizza equazioni per estrarre i valori dei parametri k, cercando di ottimizzare una funzione obiettivo.

Metodo che approssima i valori dei parametri k in modo iterativo, cercando di migliorare la funzione obiettivo ad ogni passo.

Algoritmi come le tecniche di analisi dei dati (T.A.D.) che non fanno assunzioni sulla distribuzione degli errori e si concentrano sulla migliore riproduzione possibile della matrice bersaglio.

Algoritmi che incorporano ipotesi sulla distribuzione degli errori, come la normalità, e utilizzano l'inferenza statistica per valutare i risultati.

La capacità di un modello di essere falsificato tramite test statistici. Questa proprietà è applicabile solo ai modelli, non agli schemi.

Una tecnica utilizzata per suddividere automaticamente un insieme di oggetti in gruppi, cercando di massimizzare l'omogeneità interna ai gruppi e l'eterogeneità tra i gruppi.

Un tipo di cluster analysis in cui devi specificare in anticipo il numero di gruppi desiderati.

Un tipo di cluster analysis che crea una gerarchia di gruppi basata sulla loro numerosità, con un livello che rappresenta ogni caso come gruppo indipendente e un livello in cui tutti i casi sono raggruppati insieme.

Una sorta di mappa che mostra la similarità percepita tra oggetti, usando uno spazio multidimensionale.

Tecniche che combinano analisi multivariata (TAM) e analisi di assegnazione (TAss) per creare nuove variabili e scoprire relazioni tra variabili.

Una struttura di dati che contiene informazioni su come gli oggetti sono simili o diversi tra loro, utilizzata in tecniche di assegnazione.

Il passaggio da una struttura di dati con rappresentazione a livello basso (come una matrice di valutazioni binarie) a una struttura con un livello di astrazione più alto.

Il processo di utilizzo di tecniche di assegnazione per trasformare una struttura di dati con un livello di astrazione basso in una struttura più complessa e informativa.