vault backup: 2025-01-18 00:20:19

Foundation of data science/notes/9 Random Forest.md

@@ -73,8 +73,8 @@ L'algoritmo costruisce molti alberi decisionali su sottoinsiemi casuali del data
 ### **Complessità Computazionale**
 
 - **Training:**  
-    Per un singolo albero: $O(d \cdot n \log n)$, dove dd è il numero di feature e nn il numero di campioni.  
-    Con TT alberi: $O(T \cdot d \cdot n \log n)$.
+    Per un singolo albero: $O(d \cdot n \log n)$, dove d è il numero di feature e n il numero di campioni.  
+    Con T alberi: $O(T \cdot d \cdot n \log n)$.
     
 - **Predizione:**  
     Predire su un campione richiede $O(T \cdot \text{depth})$, dove la profondità ($\text{depth}$) è proporzionale a $\log n$.