Lasso (statistiques)En statistiques, le lasso est une méthode de contraction des coefficients de la régression développée par Robert Tibshirani dans un article publié en 1996 intitulé Regression shrinkage and selection via the lasso. Le nom est un acronyme anglais : Least Absolute Shrinkage and Selection Operator. Bien que cette méthode fut utilisée à l'origine pour des modèles utilisant l'estimateur usuel des moindres carrés, la pénalisation lasso s'étend facilement à de nombreux modèles statistiques tels que les modèles linéaires généralisés, les modèles à risque proportionnel, et les M-estimateurs.
Encre de ChineL'encre de Chine est une encre noire utilisée pour l'écriture, le dessin et la peinture au lavis. Réputée venir d'Orient, Chine ou Inde, elle associe un pigment noir de carbone et un liant aqueux. L'encre de Chine proprement dite se présente sous forme de bâtons à frotter sur une pierre dans de l'eau. Elle est indélébile. Sa composition varie. À l'époque moderne, le terme « encre de Chine désigne couramment une variété plus grande encore de préparations liquides, qui partagent plus ou moins ses qualités essentielles.
Sélection de caractéristiqueLa sélection de caractéristique (ou sélection d'attribut ou de variable) est un processus utilisé en apprentissage automatique et en traitement de données. Il consiste, étant donné des données dans un espace de grande dimension, à trouver un sous-sensemble de variables pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. C'est une méthode de réduction de la dimensionnalité. Extraction de caractéristique Catégorie:Apprentissage
Encrevignette|Flacon d'encre noire. Une encre est une substance liquide ou pâteuse fortement teintée qui sert à marquer le papier ou d'autres matériaux imprimables. Les encres peuvent être constituées de colorants dissous qui imprègnent ou mordent le support comme les teintures, ou de dispersions de pigments dans un liant comme les peintures, dont elles ne se distinguent que par leur usage. On distingue les encres à écrire ou à dessiner des encres d'imprimerie, de propriétés et de composition très différentes.
Elastic net regularizationIn statistics and, in particular, in the fitting of linear or logistic regression models, the elastic net is a regularized regression method that linearly combines the L1 and L2 penalties of the lasso and ridge methods. The elastic net method overcomes the limitations of the LASSO (least absolute shrinkage and selection operator) method which uses a penalty function based on Use of this penalty function has several limitations. For example, in the "large p, small n" case (high-dimensional data with few examples), the LASSO selects at most n variables before it saturates.
