Contenu de la formation
Méthodes d'analyse exploratoire et confirmatoire :
- Analyse factorielle exploratoire et confirmatoire
- Codage optimal
- Positionnement Multidimensionnel
- Classification non supervisée et modèles de mélanges
Méthodes prédictives :
Méthodes de régression
- Estimation des paramètres par ré-échantillonnage (Bootstrap, Jackknife)
- Multicolinéarité et stabilité des estimations
- Complexité du modèle, trade-off biais-variance et précision des prédictions
- Méthodes de sélection des variables (Best subset regression, méthodes pas à pas)
- Méthodes de régularisation par composantes : Régression sur Composantes Principales, Régression PLS
- Méthodes de régularisation par contraintes : Régression Ridge, LASSO, Elastic Net
- Sélection de modèle par procédures d'apprentissage statistique
- Régression robuste
- Régression non paramétrique
Méthodes de classification supervisée
- Régression logistique binaire
- Régression Logistique multinomiale et ordinale
- Analyse factorielle discriminante
- Discrimination sur variables qualitatives
- Analyse discriminante probabiliste Linéaire et Quadratique
- Approche non paramétrique : Méthode des noyaux, Méthode des k plus proches voisins
Traitement des données manquantes
Description des modalités de validation
La validation repose sur la réalisation d'une note de lecture d'articles scientifiques ou l'étude d'un jeu de données en utilisant les méthodes vues en cours.