Complete course notes Part 2

Page 1

APPUNTI: BUSINESS DATA ANALYTICS seconda parte LS 1 INDICE: 1. Fondamenti di algebra lineare: 6 1.1 I vettori: 6 2.2 Le matrici: 8 1.3 La geometria delle equazioni lineari in 2 dimensioni: 13 2.1 Introduzione all’inferenza causale: 14 2.2 DAG: 16 2.3 Il modello del controfattuale: 22 3. Variabili strumentali: 27 3.1 le variabili strumentali e l’effetto causale: 28 3.2 applicazioni: 31 3.3 variabili strumentali con effetto eterogeneo del trattamento: 32 4. Processi di randomizzazione: 36 4.1 problemi legati alla randomizzazione: 39 4.2 propensity score matching PSM: 40 4.3 applicazioni: 42 5. Disegni con regressione discontinua: 44 5.1 sharp RDD: 44 5.2 fuzzy RDD: 50 5.3 applicazioni: 51 6.1 Introduzione alla teoria dei network 54 6.2 La distribuzione dei gradi di una rete: 59 6.3 altri esempi di reti: 64 7.1 la distanza all’intento di una rete: 66 7.2 la connettività di una rete: 67 7.3 la connettività locale: 69 7.4 le comunità di nodi: 70 7.5 gli algoritmi di community detection: 71 8.1 La centralità come connettività tra i nodi: 78 8.2 La centralità come distanza tra i nodi: 78 8.3 La centralità come relazione tra i nodi: 79 8.4 La centralità k-core: 82 8.5 un’applicazione sul marketing virale: 83 2 9.1 esempio: come organizzare una rete logistica: 85 9.2 Assortatività: 86 9.3 La struttura core-periphery: 89 9.4 Un’applicazione sul contagio finanziario: 91 10.1 classificazione: 95 10.2 classificazione - regressione logistica: 96 10.3 classificazione - alberi decisionali: 97 10.4 classificazione - Random Forest: 98 10.5 classificazione - applicazione: 100 10.6 Clustering: 101 10.7 Clustering - DBSCAN: 103 10.8 Clustering - Applicazioni: 105 10.9 Validazione Clustering: 107 10.10 Validazione Clustering - misure basate sulla matrice di correlazione: 107 10.11 Validazione…