Temi di ricerca
– Raggruppamento basato sulla densità: un’altenativa ai metodi di raggruppamento tradizionali basa l’identificazione di gruppi sul riconoscimento delle regioni connesse dello spazio associate alle mode della funzione di densità sottostante i dati.
– Diagnostica dell’analisi di raggruppamento. Le misure di bontà del partizionamento prodotto da un algoritmo di clustering descritte in letteratura sono limitate e, in ogni caso, basate sulla distanza tra gli elementi raggruppati. La ricerca trova ampio spazio nell’analisi di potenziali misure di diagnostica dei metodi di raggruppamento basati sul concetto di densità.
– Tecniche non parametriche per la stima di densità: metodo del nucleo a parametro di lisciamento variabile. Quando la reale densità dei dati presenta code particolarmente lunghe, è fortemente asimmetrica, oppure in presenza di multimodalità, le stime che si ottengono utilizzando un parametro di lisciamento costante sono spesso insoddisfacenti. Un modo naturale di rispondere a tale problema consiste nel modificare lo stimatore utilizzando un parametro di lisciamento variabile.
– Tecniche di analisi statistica multivariata per la riduzione della dimensionalità di uno spazio: le maggior parte delle tecniche di data mining trovano campo di applicazione su insiemi di dati definiti su uno spazio ad elevate dimensioni. Una preliminare riduzione di tale spazio può consentire un utile risparmio computazionale. Quando l’interesse è nell’esplorazione di relazioni di gruppo nei dati, il ricorso alle tecniche tradizionali (orientate alla massimizzazione della variabilità dei dati originali o al massimo allontanamento da una situazione di gaussianità) può fallire. E’ invece utile indirizzare opportunamente la ricerca di proiezioni che conservino la struttura di gruppo.
– Metodi di classificazione in presenza di classi rare: l’efficacia dei metodi di classificazione tradizionali si basa sull’assunzione di bilanciamento delle classi. Quando tale ipotesi non è soddisfatta si riscontrano conseguenze nella correttezza e consistenza delle stime, nell’accuratezza dei modelli di classificazione, nell’utilizzo di strumenti di valutazione dell’accuratezza stessa.
Applicazioni
– economia e finanza
– fisica delle particelle: sono coinvolta del progetto Marie Curie AMVA4NEWPHYSICS, finanziato dall’Unione Europea e cui partecipano diversi dipartimenti e istituzioni internazionali in Europa. Il progetto ha lo scopo di formare giovani ricercatori e fare ricerca per sviluppare metodi di statistica multivariata alla fisica delle particelle. Visita il nostro blog e la nostra pagina web