Homework 2

Questo homework ha l’obiettivo di affrontare un problema di classificazione, cercando di ottenere le migliori prestazioni possibili, utilizzando i modelli e le metodologie viste a lezione. Il dataset da utilizzare è CIFAR10: contiene 60,000 immagini (50,000 di training e 10,000 di test) divise in 10 classi, a risoluzione 32x32 pixel, a colori. Questa è la pagina di riferimento del dataset.

Nello specifico, i requisiti dell’homework sono:

• caricare correttamente il dataset CIFAR10;
• utilizzare i seguenti modelli di classificazione: regressione logistica, k-NN, SVM, decision tree;
• effettuare opportunamente la model selection;
• riportare le prestazioni ottenuti, secondo le metriche di valutazione appropriate.

La strategia di esecuzione di ciascuna di queste fasi è a scelta dello studente. La valutazione dell’homework terrà conto della correttezza metodologica, della correttezza dell’implementazione e della completezza dell’approccio di ricerca del modello migliore.

Nel caso in cui l’allenamento dei modelli risulti eccessivamente dispensioso in termini di tempo, è possibile valutare l’ipotesi di sotto-campionamento del dataset.

Consegna

La consegna del MHW dovrà essere effettuata su GitHub, in un repository chiamato esattamente hw2, e dovrà includere:

• il notebook contenente la soluzione;
• una presentazione in PowerPoint, da esporre in sede di esame, che includa:
  • descrizione del dataset;
  • descrizione della metodologia adottata;
  • descrizione dei risultati.