Stepwise regression

Science formelle
Statistique
Analyse des données
Validation croisée

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Connectez-vous pour filtrer par séance de cours

Page 3 sur 4

Analyse de corrélation canonique: Vue d'ensemble

Couvre l'analyse canonique de corrélation, une méthode pour trouver des relations entre deux ensembles de variables.

Modèles de régression : rendement et évaluation

Explore les performances du modèle de régression, les erreurs d'apprentissage et la construction d'arbres de régression à l'aide de l'algorithme CART.

Modèles probabilistes pour la régression linéaire

Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Soutien de la régression vectorielle: Tricks de noyau

Explore la régression Ridge et SVR, mettant l'accent sur les astuces du noyau pour la régression non linéaire.

Autres régularisations + le Lasso

Explore diverses approches de régularisation, y compris la quasi-norme L0 et la méthode Lasso, en discutant de la sélection des variables et des algorithmes efficaces pour l'optimisation.

Régression non paramétrique : estimation polynomiale locale

Explore la régression non paramétrique en utilisant l'estimation polynomiale locale pour équilibrer la fidélité et la fluidité des données.

Régression linéaire : Fondements

Introduit les bases de la régression linéaire, couvrant l'approche OLS, les résidus, la matrice de chapeau et les hypothèses de Gauss-Markov.

Classifications structurées: Arbres de décision et renforcement

Explore les arbres de décision, l'élimination excessive, les techniques stimulantes et leurs applications pratiques dans la modélisation prédictive.

Aspects pratiques du modèle linéaire gaussien

Explore les aspects pratiques du modèle linéaire gaussien, en se concentrant sur les méthodes de sélection et de régularisation des variables.