Modèles additifs généralisés: moindres carrés pondérés itératifs pénalisés

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (30)

Page 2 sur 3

Régression non paramétrique

Couvre la régression non paramétrique, le lissage par dispersion, les méthodes du noyau et le compromis biais-variance.

Analyse numérique: Introduction aux méthodes de calcul

Couvre les bases de l'analyse numérique et des méthodes de calcul utilisant Python, en se concentrant sur les algorithmes et les applications pratiques en mathématiques.

Méthodes numériques : Techniques itératives

Couvre les méthodes ouvertes, Newton-Raphson, et la méthode sécante pour les solutions itératives dans les méthodes numériques.

Vérification du modèle et des résidus

Explore la vérification du modèle et les résidus dans lanalyse de régression, en soulignant limportance des diagnostics pour assurer la validité du modèle.

Régression : Modèles linéaires

Introduit une régression linéaire, des modèles linéaires généralisés et des modèles à effet mixte pour l'analyse de régression.

Géomécanique computationnelle : flux non confiné

Explore le flux non confiné dans la géomécanique computationnelle, mettant l'accent sur la dérivation de forme faible et la perméabilité relative.

Modèle linéaire général: Sélection du modèle

Explore le modèle linéaire général, les tests de signification, la sélection du modèle et l'inférence des paramètres.

Modèles linéaires: Ridge, OLS et LASSO

Couvre des modèles linéaires comme Ridge, OLS et LASSO, expliquant les valeurs singulières et l'analyse de régression.

Sélection du modèle imbriqué

Explore la sélection de modèles imbriqués dans des modèles linéaires, en comparant les modèles à travers des sommes de carrés et ANOVA, avec des exemples pratiques.

Modèles linéaires généralisés : familles exponentielles et construction de modèles

Couvre les familles exponentielles, la construction de modèles et les fonctions de liens canoniques dans les modèles linéaires généralisés.