tecniche di classificazione e predizione delle ... - DSpace@Roma3
tecniche di classificazione e predizione delle ... - DSpace@Roma3
tecniche di classificazione e predizione delle ... - DSpace@Roma3
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tecniche <strong>di</strong> <strong>classificazione</strong> e pre<strong>di</strong>zione <strong>delle</strong> attività motorie per telemonitoraggio e<br />
teleriabilitazione<br />
2.2.1 Stima della densità <strong>di</strong> probabilità con<strong>di</strong>zionata: meto<strong>di</strong><br />
parametrici e non parametrici<br />
Il primo problema da affrontare nella costruzione <strong>di</strong> un classificatore bayesiano è<br />
quello <strong>di</strong> stimare la densità <strong>di</strong> probabilità con<strong>di</strong>zionata della nostra variabile rispetto<br />
all’appartenenza ad una classe. Esistono meto<strong>di</strong> parametrici, che suppongono nota la<br />
forma della densità <strong>di</strong> probabilità e si riconducono ad una stima dei parametri, e<br />
meto<strong>di</strong> non parametrici, che non ipotizzano informazioni a priori sulle caratteristiche<br />
della densità <strong>di</strong> probabilità (Figura 9)<br />
Figura 9 – Schema degli approcci parametrici e non parametrici<br />
Tra i meto<strong>di</strong> parametrici quello classico, e anche da noi implementato, suppone nota<br />
la forma della densità <strong>di</strong> probabilità come una gaussiana ( n-<strong>di</strong>mensionale ) e la fase<br />
38