• Aucun résultat trouvé

Analyse de données de grande dimension à l'aide de méthodes d'apprentissage statistique

N/A
N/A
Protected

Academic year: 2021

Partager "Analyse de données de grande dimension à l'aide de méthodes d'apprentissage statistique"

Copied!
134
0
0

Texte intégral

Loading

Figure

Figure  1.1:  Deux  types  de  graphes
Figure  1.2:  Exemple  d'une  voie  métabolique  (Campbell et  Reece,  2005).  Les  sub- sub-strats  (molécule  rouge  et molécule  verte)  se  lient  à  l' enzyme  (protéine  mauve)  et  ils  sont  maintenus  en place par des  liaisons  faibles  comme  le
Figure  1.3:  Voie  de  transduction  (Campbell et Reece, 2005).  La voie  de  transduc- transduc-tion se  divise entre trois grandes phases : la réception du stimulus par la membrane  plasmique,  la transduction  du stimulus et la réponse  de  la cellule
Figure  2.1:  Exemple  d ' une  courbe  ROC.
+7

Références

Documents relatifs

Deux méthodes statistiques pour la classification et la régression en grande dimension..

Estimer la droite des moindres carrés du poids des fils en fonction de celui des pères3. Estimer la droite des moindres carrés du poids des pères en fonction de celui

Dans une première analyse, le tableau principal, I x Jl, croise, avec Jl, l'ensemble I des 1193 individus; en supplément, est l'ensemble Isp des espèces, dont chacune est définie

Du point de vue de la régression orthogonale, qui revient à faire de la régres- sion sur des variables explicatives non corrélées, on peut faire l'ana- lyse factorielle du tableau X

On étudiera ici deux méthodes de régression par l'analyse des cor- respondances ; dans la première on raisonne sur le tableau initial X J , tandis que dans la seconde, on

Une partition centrale d’un ensemble de partitions (cf. § 5) peut être définie comme une partition à éloignement minimum pour une certaine dissimilarité et peut

Ainsi, les méthodes squarem présentées dans ce chapitre, semblent être efficaces pour accélérer la convergence de l’algorithme EM puisqu’elles possédent les avantages suivants

Dans ce cas, l’apprentissage par transfert est particuli` ere- ment utile lorsque nous avons des donn´ ees ´ etiquet´ ees disponibles dans le domaine source, ce qui n´ ecessite