Régression non paramétrique

Cette séance de cours présente des modèles de régression non paramétriques comme une alternative plus flexible aux configurations traditionnelles. Il couvre le lissage scatterplot, l'exploitation des hypothèses de lissage, le lissage du noyau et les méthodes de vraisemblance pénalisées. La malédiction de la dimensionnalité et le compromis biais-variance sont discutés, ainsi que des techniques telles que la série orthogonale et la régression de poursuite de projection pour s'attaquer aux problèmes de grande dimension. L'algorithme de rembourrage pour le montage de modèles additifs est également expliqué.