Séance de cours
Cette séance de cours explore les aspects pratiques du modèle linéaire gaussien, en se concentrant sur la sélection des variables, en minimisant les erreurs de prédiction et en traitant des problèmes dinterprétabilité découlant de caractéristiques fortement corrélées. L'instructeur explique les méthodes de détection de la multicolinéarité, telles que l'utilisation du nombre de conditions et du facteur d'inflation de la variance. La séance de cours couvre des techniques telles que la rotation de la matrice de données et l'introduction de la régularisation par la régularisation de Tikhonov pour contrôler les valeurs des paramètres. La régression de crête est considérée comme une méthode pour stabiliser le modèle en ajoutant un terme de pénalité à lestimation des moindres carrés, conduisant à une solution plus interprétable et stable. La séance de cours conclut en explorant le compromis entre les biais et la variance dans la régression des crêtes, en soulignant comment le choix du paramètre de régularisation influe sur l'estimation des coefficients.