Sélection de variables et estimateurs de type LASSO

Univ Europeenne - EAN : 9783841784414

Mohamed Hebiri

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Édition papier

EAN : 9783841784414

Paru le : 29 déc. 2011

69,00 € 65,40 €

Disponible

Pour connaître votre prix et commander, identifiez-vous

Notre engagement qualité

Livraison gratuite
en France sans minimum
de commande
Manquants maintenus
en commande
automatiquement
Un interlocuteur
unique pour toutes
vos commandes
Toutes les licences
numériques du marché
au tarif éditeur
Assistance téléphonique
personalisée sur le
numérique
Service client
Du Lundi au vendredi
de 9h à 18h

Détails

EAN13 : 9783841784414
Réf. fournisseur : 5341009
Editeur : Univ Europeenne
Date Parution : 29 déc. 2011
Disponibilite : Disponible
Barème de remise : NS
Nombre de pages : 220
Format : H:220 mm L:150 mm
Poids : 330gr
Interdit de retour : Retour interdit

Résumé

Résumé : Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO.
Biographie : Je suis Maître de conférences à l'Université Marne-la-Vallée depuis 2010. J'ai réalisé mon doctorat en Mathématiques appliquées à l'Université Paris 7, sous la direction du Prof. Nicolas Vayatis. Ensuite, j'ai rejoint l'ETH-Zurich pour un postdoctorat avec le Prof. Sara van de Geer. Je m'intéresse à la sélection de variables en grande dimension.