QUELQUES METHODES D’APPRENTISSAGE SUPERVISE
Des informations générales:
Master |
Le niveau |
QUELQUES METHODES D’APPRENTISSAGE SUPERVISE |
Titre |
| Probabilités et statistiques |
SPECIALITE |
Page de garde:
Sommaire:
1 Régression linéaire multiple
1.1 Modélisation
1.2 Estimation des paramètres du modèle Estimateur des moindres carrés ordinaires
1.2.1 Interprétation géometrique de MCO
1.2.2 Quelques propriétés
1.3 Résidu et variance résiduelle
1.4 Evaluation globale de la régression
1.4.1 Coefficient de détermination
2 Régréssion avec biais
Régression sur composantes principales (PCR)
2.1 Modélisation
2.2 Régression Lasso
2.3 Régression Ridge
2.4 Régression Elastic Net
3 Régression logistique Binaire
3.1 Notations et hypothèses
3.2 Estimation des paramètres
3.3 Le modèle LOGIT
3.4 Méthode du Maximum de Vraisemblance
3.5 Matrices Hessiennes et Matrices d’information de Fischer associées à la log-vraisemblance
3.5.1 L’algorithme de Newton-Raphson
3.5.2 Loi asymptotique de l’estimateur du Maximum de Vraisemblance
4 Simulation
4.1 Régression lineaire multiple
4.1.1 Régression lineaire multiple
4.1.2 Ridge
4.1.3 LASSO
4.1.4 Elastic-net
4.2 Régression logistique
Télécharger:
Pour plus de sources et références universitaires (mémoires, thèses et articles ), consultez notre site principal.