Statistical Learning

Corso di Laurea Magistrale in Scienze Statistiche ed Economiche, Università degli Studi di Milano-Bicocca, A.A. 2022/23.

Calendario delle lezioni.

Martedì e mercoledì inizio ore 9:00, giovedì inizio ore 11:30.

Materiale didattico.

ARGOMENTI MATERIALE DIDATTICO LIBRO DI TESTO ESERCIZI
Introduzione al corso. SLIDES. ESERCIZI.
Prediction, Estimation, and Attribution. SLIDES. R CODE. CASI §1, §Epilogue ESERCIZI.
Conformal prediction. SLIDES. R CODE ESERCIZI
James-Stein estimation. SLIDES. R CODE CASI §7.1, §7.2 ESERCIZI.
Ridge regression. SLIDES. R CODE CASI §7.3, ESL §3.4.1, CASL §3 ESERCIZI.
Smoothing splines. SLIDES. R CODE ESL §5.1-§5.5, CASL §4.2, §4.5, §4.6 ESERCIZI.
Classical versus high-dimensional theory. HDS §1.1-§1.3
Sparse Modeling and the Lasso. SLIDES. R CODE CASI §16, ESL §3.3-§3.4.3, CASL §7.1-§7.6 ESERCIZI
Data splitting for variable selection. SLIDES. R CODE CASI §15.1, CASI §15.2
Stability selection. SLIDES. R CODE ESERCIZI
Knockoff filter. SLIDES. R CODE

Modalità d’esame.

La modalità di verifica consiste in una prova scritta in laboratorio. Lo studente (oppure il docente) può richiedere la prova orale. La prova scritta ha come obiettivo la verifica delle abilità di analisi dei dati e di programmazione e la comprensione degli aspetti matematico-statistici degli argomenti trattati.

La prova si svolgerà in laboratorio, con accesso alla piattaforma “esami informatizzati”. Per partecipare alla prova è necessario iscriversi all’appello. Durante la prova sarà possibile utilizzare il software R / Rstudio, con le librerie R disponibili (ovvero quelle installate sul computer). Durante la prova non sarà disponibile il collegamento ad internet (quindi non sarà possibile installare nuove librerie). La prova è a libro aperto. Il materiale consultabile è il seguente:

e verrà reso disponibile tramite la piattaforma “esami informatizzati” il giorno dell’esame.

Calendario degli esami.

Sessione Data Luogo Orario
Primaverile 8 Maggio 2023 LAB713 14:00
Estiva 26 Giugno 2023 LAB711 16:00
Estiva 10 Luglio 2023 LAB711 14:00
Estiva 1 Settembre 2023 LAB717 14:00

Libri di testo.

Approfondimenti.

  • Hastie, Tibshirani, Wainwright (2015). Statistical Learning with Sparsity: The Lasso and Generalizations. CRC Press [SLS]

  • Wainwright (2019) High-Dimensional Statistics: A Non-Asymptotic Viewpoint. Cambridge University Press [HDS]