Titre :	Les méthodes de régularisation dans le modèle linéaire : Aspect théorique et aspect pratique
Type de document :	texte imprimé
Auteurs :	zohra Benmerzouk, Auteur ; madjeda boulahouache, Auteur ; fairouz hosna, Auteur ; Dounia Kitouni, Auteur ; Dalel Zerdazi, Directeur de thèse
Editeur :	CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine
Année de publication :	2019
Importance :	48 f.
Format :	30 cm.
Note générale :	Une copie électronique PDF disponible en BUC.
Langues :	Français (fre)
Catégories :	Sciences Exactes:Mathématiques
Tags :	Régression linéaire  Estimateurs concurrents  Régression Ridge  Régression lasso  Régression ElasicNet.
Index. décimale :	510 Mathématiques
Résumé :	En modélisation statistique, il est souvent souhaitable d’avoir une bonne qualité de généralisation combinée à une représentation parcimonieuse. Dans ce mémoire, nous nous plaçons dans le cadre de la régression linéaire. L’objectif est de présenter des méthodes statistiques de régularisation qui permettent de produire des solutions parcimonieuses par rapport à celle de la méthode des moindres carrés dans le cas de sa défaillance. On propose des études de simulation pour garantir l’efficacité de ces dernières approches afin de les adapter à des problèmes différents.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11512

Les méthodes de régularisation dans le modèle linéaire : Aspect théorique et aspect pratique [texte imprimé] / zohra Benmerzouk, Auteur ; madjeda boulahouache, Auteur ; fairouz hosna, Auteur ; Dounia Kitouni, Auteur ; Dalel Zerdazi, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2019 . - 48 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)

Catégories :	Sciences Exactes:Mathématiques
Tags :	Régression linéaire  Estimateurs concurrents  Régression Ridge  Régression lasso  Régression ElasicNet.
Index. décimale :	510 Mathématiques
Résumé :	En modélisation statistique, il est souvent souhaitable d’avoir une bonne qualité de généralisation combinée à une représentation parcimonieuse. Dans ce mémoire, nous nous plaçons dans le cadre de la régression linéaire. L’objectif est de présenter des méthodes statistiques de régularisation qui permettent de produire des solutions parcimonieuses par rapport à celle de la méthode des moindres carrés dans le cas de sa défaillance. On propose des études de simulation pour garantir l’efficacité de ces dernières approches afin de les adapter à des problèmes différents.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=11512