Modelli Statistici e Algoritmici a Confronto

La tesi analizza e confronta l'efficacia di diversi modelli statistici e algoritmici nell’ambito della modellazione predittiva, con l’obiettivo di valutarne le prestazioni e la pertinenza rispetto alle esigenze attuali dell’analisi dei dati. Dopo una panoramica teorica sui principali metodi, tra cui regressione lineare, regressione logistica, alberi decisionali e algoritmi di apprendimento automatico, viene tracciato lo sviluppo dei modelli algoritmici negli ultimi vent’anni, evidenziandone l’evoluzione metodologica e tecnologica. La tesi si propone quindi di rispondere alla domanda su quale approccio, statistico o algoritmico, risulti oggi più efficace nell’affrontare i problemi concreti posti dalla crescente complessità e varietà dei dati.