Régression avec Python
Home
Résumé
Données
Codes
Corrections
github
Corrections
Corrections
I Introduction au modèle linéaire
1 La régression linéaire simple
2 La régression linéaire multiple
3 Validation du modèle
4 Extension : non-inversibilité et (ou) erreurs non corrélées
5 Régression polynomiale et régression spline
II Inférence
6 Inférence dans le modèle gaussien
7 Variables qualitatives : ANCOVA et ANOVA
III Réduction de dimension
8 Choix de variables
9 Régularisation des moindres carrés : ridge, lasso, elastic-net
IV Le modèle linéaire généralisé
12 Régression logistique
13 Régression de Poisson
14 Régularisation de la vraisemblance
16 Données déséquilibrées
Corrections
I Introduction au modèle linéaire
1 Régression simple
2 La regression linéaire multiple
3 Validation du modèle
4 Extensions : non inversibilité et (ou) erreurs corrélées
5 Régression polynomiale et régression spline
II Inférence
6 Inférence dans le modèle gaussien
7 Variables qualitatives : ANCOVA et ANOVA
III Réduction de dimension
8 Choix de variables
9 Régularisation des moindres carrés : ridge, lasso elastic net
IV Le modèle linéaire généralisé
12 Régression logistique
13 Régression de Poisson
14 Régularisation de la vraisemblance
16 Données déséquilibrées
Aucun article correspondant
Retour au sommet
1 La régression linéaire simple