Introduzione al machine learning: modelli generativi per dati discreti

Questa tesi si sviluppa a partire dall’analisi di due capitoli del testo Machine learning: a probabilistic prospective di Kevin P. Murphy con l’obiettivo di introdurre il machine learning e le sue principali applicazioni. Con machine learning si intende il campo di studi che permette ai computer di imparare dall’esperienza senza un’esplicita programmazione, attraverso il miglioramento delle prestazioni in seguito allo svolgimento di un compito. Nel primo capitolo si parte da una presentazione teorica degli utilizzi e del funzionamento generali degli algoritmi di machine learning, per poi analizzarne i diversi tipi. L’attenzione è rivolta in particolare all’apprendimento supervisionato e a quello non supervisionato, essendo le tipologie più utilizzate. Nel seguito dell’elaborato sono introdotti differenti modelli generativi attraverso un’analisi principalmente probabilistica, considerando soltanto i casi in cui i dati sono discreti.