Università di Genova logo, link al sitoUniRe logo, link alla pagina iniziale
    • English
    • italiano
  • italiano 
    • English
    • italiano
  • Login
Mostra Item 
  •   Home
  • Tesi
  • Tesi di Laurea
  • Laurea Triennale
  • Mostra Item
  •   Home
  • Tesi
  • Tesi di Laurea
  • Laurea Triennale
  • Mostra Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Analisi multivariata e feature ranking per l’identificazione delle variabili più rilevanti nella classificazione di fenotipi SLA.

Mostra/Apri
tesi34709836.pdf (983.4Kb)
Autore
Arata, Laura <2001>
Data
2025-09-26
Disponibile dal
2025-10-02
Abstract
Il capitolo 1 consiste in uno studio dell'analisi di correlazione e dell'analisi in componenti principali. Il capitolo 2 presenta la struttura del classificatore XGBoost e la tecnica SHAP per la valutazione delle variabili. Il capitolo 3 presenta i risultati delle tecniche applicate ad un caso di studio reale.
 
Chapter 1 consists of a study of correlation analysis and principal component analysis. Chapter 2 presents the structure of the XGBoost classifier and the SHAP technique which is used for feature ranking. Chapter 3 presents the results of the techniques applied to a real case study.
 
Tipo
info:eu-repo/semantics/bachelorThesis
Collezioni
  • Laurea Triennale [3339]
URI
https://unire.unige.it/handle/123456789/12955
Metadati
Mostra tutti i dati dell'item

UniRe - Università degli studi di Genova | Supporto tecnico
 

 

UniReArchivi & Collezioni

Area personale

Login

UniRe - Università degli studi di Genova | Supporto tecnico