Apprentissage statistique et computer experiments : approche quantitative du risque et des incertitudes en modélisation
Texte intégral
Figure
Documents relatifs
Les choix de méthodes, de modèles, sont complexes à opérer et se dé- clinent en sous-objectifs qui restreignent où précisent les classes de modèles à considérer. L’objectif
Ajouter à ce modèle à une co-variable la co-variable qui fait baisser le plus le SSE. Continuer jusqu’à un critère d’arrêt (par exemple sur la p-value
Les choix de méthodes, de modèles, sont complexes à opérer et se dé- clinent en sous-objectifs qui restreignent où précisent les classes de modèles à considérer. L’objectif
Optimisation du paramètre de complexité du modèle par validation croisée en cherchant l’erreur minimale sur une grille de valeurs du paramètre avec cv=5- fold cross validation
Par exemple, la classification de données de très grande dimension ou la classification de données corrélées sont des problèmes particulièrement présents en analyse d’images
Dorénavant on suppose que l’on a une famille convexe de classifieurs
[r]
La convergence en probabilité est beaucoup