Qual è la differenza tra modelli parametrici e non parametrici?
Un modello può essere classificato come parametrico o non parametrico. Come vengono classificati i modelli come modelli parametrici e non parametrici? Qual è la differenza tra i due approcci?
Risposte
Metodi parametrici
Un approccio parametrico (Regression, Linear Support Vector Machines) ha un numero fisso di parametri e fa molte ipotesi sui dati. Questo perché vengono utilizzati per distribuzioni di dati note. cioè, fa molte presunzioni sui dati
Metodi non parametrici
Un approccio non parametrico (k-Nearest Neighbors, Decision Trees) ha un numero flessibile di parametri, non ci sono presunzioni sulla distribuzione dei dati. Il modello cerca di "esplorare" la distribuzione e quindi ha un numero flessibile di parametri.
Confronto
In termini comparativi, gli approcci parametrici sono computazionalmente più veloci e hanno una maggiore potenza statistica rispetto ai metodi non parametrici
Spero che questo abbia chiarito i tuoi dubbi 😊