Régression avec Python
Home
Résumé
Données
Codes
Corrections
github
Codes
I Introduction au modèle linéaire
4 Extensions : non iversibilité et (ou) erreurs corrélées
Codes
I Introduction au modèle linéaire
1 Régression simple
2 La régression linéaire multiple
3 Validation du modèle
4 Extensions : non iversibilité et (ou) erreurs corrélées
5 Régression polynomiale et régression spline
II Inférence
6 Inférence dans le modèle gaussien
7 pythonVariables qualitatives : ANCOVA et ANOVA
III Réduction de dimension
8 Choix de variables
9 Régularisation des moindres carrés : ridge, lasso elastic net
10 Régression sur composantes : PCR et PLS
11 Comparaison des différentes méthodes, étude de cas réels
IV Le modèle linéaire généralisé
12 Régression logistique
13 Régression de Poisson
14 Régularisation de la vraisemblance
15 Comparaison des différentes méthodes en classification supervisée, étude de cas réels
16 Données déséquilibrées
Codes
I Introduction au modèle linéaire
4 Extensions : non iversibilité et (ou) erreurs corrélées
4 Extensions : non iversibilité et (ou) erreurs corrélées
Retour au sommet
3 Validation du modèle
5 Régression polynomiale et régression spline