Concept

Régression non paramétrique

Résumé
La régression non paramétrique est une forme d'analyse de la régression dans lequel le prédicteur, ou fonction d'estimation, ne prend pas de forme prédéterminée, mais est construit selon les informations provenant des données. La régression non paramétrique exige des tailles d'échantillons plus importantes que celles de la régression basée sur des modèles paramétriques parce que les données doivent fournir la structure du modèle ainsi que les estimations du modèle. Principe général On dispose de données numériques que l'on suppose corrélées. Une des grandeurs, notée y, est appelée variable expliquée. Les autres sont regroupées dans une variable dite explicative \mathbf{x} qui est un vecteur : :\mathbf{x} = (x_1, x_2,\ldots, x_m). On dispose de n situations (n jeux de valeurs) formant un nuage de points : :(\mathbf{x}^i, y^i) = (x_1^i, x_2^i, \ldots, x_m^i, y^i). La régression consiste à trouver u
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés

Chargement

Cours associés

Chargement

Séances de cours associées

Chargement