BEGIN:VCALENDAR
VERSION:2.0
PRODID:-// - ECPv6.15.15//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://isdm.umontpellier.fr
X-WR-CALDESC:Évènements pour 
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260528T131500
DTEND;TZID=Europe/Paris:20260528T161500
DTSTAMP:20260524T062948
CREATED:20260105T103156Z
LAST-MODIFIED:20260520T080518Z
UID:8251-1779974100-1779984900@isdm.umontpellier.fr
SUMMARY:STAT : Sélection de variables en analyse exploratoire - Régression régularisées\, Arbres et Forêt aléatoire
DESCRIPTION:Campus Triolet de l’Université de Montpellier – Pl. Eugène Bataillon\, Bat 5\, TD 5.209\nInstitut de Science des Données de Montpellier \nVous étudiez un processus sans a priori et avez collecté de nombreuses variables ? Comment repérer les plus pertinentes ? Découvrez trois approches de Machine Learning efficaces : la régression régularisée (LASSO\, Ridge\, ElasticNet)\, les arbres de décision et la forêt aléatoire. \n            Inscription
URL:https://isdm.umontpellier.fr/event/selection-de-variables-en-analyse-exploratoire-regression-regularisees-arbres-et-foret-aleatoire-3/
CATEGORIES:Formations
ATTACH;FMTTYPE=image/png:https://isdm.umontpellier.fr/wp-content/uploads/2025/07/19.png
END:VEVENT
END:VCALENDAR