The thesis aims to compare two methods of multivariate statistics, through the illustration of Linear Discriminant Analysis, and its further declinations, followed by Sparse Discriminant Analysis. The two methods are furthermore applied, with the aid of the R software, to a dataset concerning the prediction of default in payments of credit card client. The dataset is presented and analysed with an exploratory analysis, afterwards, it is shown the application of the algorithms.

Lo scopo della tesi è quello di confrontare due metodi di statistica multivariata, attraverso la presentazione della Linear Discriminant Analysis e delle sue declinazioni, a seguire viene presentata la Sparse Discriminant Analysis. I due metodi sono applicati, attraverso l'ausilio del software R, a dei dati concernenti la predizione del mancato pagamento dei debiti accumulati con le carte di credito. Questi vengono presentati attraverso un'analisi esplorativa, in seguito viene presentata l'applicazione degli algoritmi.

Sparse Discriminant Analysis

GIAY LEVRA, VALERIO
2016/2017

Abstract

Lo scopo della tesi è quello di confrontare due metodi di statistica multivariata, attraverso la presentazione della Linear Discriminant Analysis e delle sue declinazioni, a seguire viene presentata la Sparse Discriminant Analysis. I due metodi sono applicati, attraverso l'ausilio del software R, a dei dati concernenti la predizione del mancato pagamento dei debiti accumulati con le carte di credito. Questi vengono presentati attraverso un'analisi esplorativa, in seguito viene presentata l'applicazione degli algoritmi.
ENG
The thesis aims to compare two methods of multivariate statistics, through the illustration of Linear Discriminant Analysis, and its further declinations, followed by Sparse Discriminant Analysis. The two methods are furthermore applied, with the aid of the R software, to a dataset concerning the prediction of default in payments of credit card client. The dataset is presented and analysed with an exploratory analysis, afterwards, it is shown the application of the algorithms.
IMPORT DA TESIONLINE
File in questo prodotto:
File Dimensione Formato  
801562_tesidilaureatriennaleineconomiaecommercio-valeriogiaylevra.pdf

non disponibili

Tipologia: Altro materiale allegato
Dimensione 7.22 MB
Formato Adobe PDF
7.22 MB Adobe PDF

Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Usare il seguente URL per citare questo documento: https://hdl.handle.net/20.500.14240/141833