Introduction to machine learning and statistical learning. Preliminary data analysis of biological data (about trees) with the aim of finding a predictive model based on spectroscopic analysis to calculate the age of trees. Knowing the actual age of my samples, I was able to compare the results of my models with the actual data in order to evaluate the efficiency of the measurement methods so that I could define an efficient predictive model for future samples. ​

Introduzione all'apprendimento automatico e statistico. Analisi preliminare di dati biologici (sugli alberi) con l'obiettivo di trovare un modello predittivo basato sull'analisi spettroscopica per calcolare l'età degli alberi. Conoscendo l'età effettiva dei miei campioni, ho potuto confrontare i risultati dei miei modelli con i dati reali per valutare l'efficienza dei metodi di misurazione in modo da poter definire un modello predittivo efficiente per i campioni futuri.

Analisi preliminare dei dati sul decadimento molecolare degli alberi: confronto tra diversi modelli di previsione

MORONI, GINEVRA
2020/2021

Abstract

Introduzione all'apprendimento automatico e statistico. Analisi preliminare di dati biologici (sugli alberi) con l'obiettivo di trovare un modello predittivo basato sull'analisi spettroscopica per calcolare l'età degli alberi. Conoscendo l'età effettiva dei miei campioni, ho potuto confrontare i risultati dei miei modelli con i dati reali per valutare l'efficienza dei metodi di misurazione in modo da poter definire un modello predittivo efficiente per i campioni futuri.
ENG
Introduction to machine learning and statistical learning. Preliminary data analysis of biological data (about trees) with the aim of finding a predictive model based on spectroscopic analysis to calculate the age of trees. Knowing the actual age of my samples, I was able to compare the results of my models with the actual data in order to evaluate the efficiency of the measurement methods so that I could define an efficient predictive model for future samples. ​
IMPORT DA TESIONLINE
File in questo prodotto:
File Dimensione Formato  
768770_thesiscompleted.pdf

non disponibili

Tipologia: Altro materiale allegato
Dimensione 3.21 MB
Formato Adobe PDF
3.21 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14240/83007