Inscription manuelle de participants
Cours en anglais
Dans de nombreuses situations, les données dont disposent le statisticien présentent une complexité telle qu'elles échappent, au moins en première analyse, à toute modélisation paramétrique. Ce cours a pour objectif de présenter des techniques statistiques moins rigides, ainsi que les questions théoriques inhérentes à leur mise en oeuvre : la contrepartie de la flexibilité accrue des approches non-paramétriques résidant dans le risque de « sur-ajuster » le modèle aux données.
À travers des exemples, on abordera le point de vue «minimax» pour l'estimation non-paramétrique, le compromis « biais/variance » en fonction de la « complexité » du modèle et on introduira le paradigme de l'apprentissage statistique, la « minimisation du risque empirique ».
Dans de nombreuses situations, les données dont disposent le statisticien présentent une complexité telle qu'elles échappent, au moins en première analyse, à toute modélisation paramétrique. Ce cours a pour objectif de présenter des techniques statistiques moins rigides, ainsi que les questions théoriques inhérentes à leur mise en oeuvre : la contrepartie de la flexibilité accrue des approches non-paramétriques résidant dans le risque de « sur-ajuster » le modèle aux données.
À travers des exemples, on abordera le point de vue «minimax» pour l'estimation non-paramétrique, le compromis « biais/variance » en fonction de la « complexité » du modèle et on introduira le paradigme de l'apprentissage statistique, la « minimisation du risque empirique ».
- Enseignant: Roland Badeau
- Enseignant: Hicham Janati
- Enseignant: Sigolène Morin
- Enseignant responsable de l'UE: Philippe Ciblat
Les visiteurs anonymes ne peuvent pas accéder à ce cours. Veuillez vous connecter.