Les méthodes de régularisation dans le modèle linéaire / zohra Benmerzouk 

Public ISBD 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

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSMTH190043	MSMTH190043	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

MSMTH190043 Adobe Acrobat PDF

---

1 (1 - 1 / 1)