STAT : Sélection de variables en analyse exploratoire – Comparaison de modèles et réduction de dimensions
Campus Triolet de l’Université de Montpellier – Pl. Eugène Bataillon, Bat 5, TD36.309
Institut de Science des Données de Montpellier
Rejoignez-nous pour un atelier sur la sélection de variables en analyse exploratoire avec R!
Vous tentez d’étudier un processus sans apriori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Cette session se concentrera sur deux approches statistiques traditionnelles pour sélectionner les variables pertinentes dans l’analyses exploratoires : la comparaison de modèles multivariés et les méthodes de réduction de dimensions.
statistique, méthodologie, analyse exploratoire
STAT : Sélection de variables en analyse exploratoire : Régression régularisées, Arbres et Forêt aléatoire
Campus Triolet, Pl. Eugène Bataillon, Bat 5, TD 5.212
Jonathan Dubois – Institut de Science des Données de Montpellier
Vous tentez d’étudier un processus sans apriori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Cette session se concentrera sur deux approches statistiques traditionnelles pour sélectionner les variables pertinentes dans l’analyses exploratoires.
statistique, méthodologie, analyse exploratoire
STAT : Sélection de variables en analyse exploratoire : Comparaison de modèles et réduction de dimensions
Campus Triolet, Pl. Eugène Bataillon, Bat 5, TD 5.209
Jonathan Dubois- Institut de Science des Données de Montpellier
Rejoignez-nous pour un atelier sur la sélection de variables en analyse exploratoire avec R!
Vous tentez d’étudier un processus sans apriori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Cette session se concentrera sur deux approches statistiques traditionnelles pour sélectionner les variables pertinentes dans l’analyses exploratoires : la comparaison de modèles multivariés et les méthodes de réduction de dimensions.
statistique, méthodologie, analyse exploratoire
STAT : Sélection de variables en analyse exploratoire – Régression régularisées, Arbres et Forêt aléatoire
Campus Triolet de l’Université de Montpellier – Pl. Eugène Bataillon, Bat 5, TD 5.209
Institut de Science des Données de Montpellier
Vous 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.
statistique, méthodologie, analyse exploratoire