Sélection de variables et estimateurs de type LASSO: Quelques questions de sélection de variables autour de l'estimateur LASSO

Note moyenne 0
( 0 avis fournis par GoodReads )
 
9783841784414: Sélection de variables et estimateurs de type LASSO: Quelques questions de sélection de variables autour de l'estimateur LASSO
Présentation de l'éditeur :

Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO.

Biographie de l'auteur :

Je suis Maître de conférences à l'Université Marne-la-Vallée depuis 2010. J'ai réalisé mon doctorat en Mathématiques appliquées à l'Université Paris 7, sous la direction du Prof. Nicolas Vayatis. Ensuite, j'ai rejoint l'ETH-Zurich pour un postdoctorat avec le Prof. Sara van de Geer. Je m'intéresse à la sélection de variables en grande dimension.

Les informations fournies dans la section « A propos du livre » peuvent faire référence à une autre édition de ce titre.

Acheter neuf Afficher le livre
EUR 58,77

Autre devise

Frais de port : EUR 5,22
De Royaume-Uni vers Etats-Unis

Destinations, frais et délais

Ajouter au panier

Meilleurs résultats de recherche sur AbeBooks

1.

Hebiri-M
Edité par Univ Europeenne 2011-12-29 (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) paperback Quantité : > 20
Vendeur
Blackwell's
(Oxford, OX, Royaume-Uni)
Evaluation vendeur
[?]

Description du livre Univ Europeenne 2011-12-29, 2011. paperback. État : New. N° de réf. du libraire 9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 58,77
Autre devise

Ajouter au panier

Frais de port : EUR 5,22
De Royaume-Uni vers Etats-Unis
Destinations, frais et délais

2.

Hebiri, Mohamed
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Quantité : 1
Vendeur
English-Book-Service Mannheim
(Mannheim, Allemagne)
Evaluation vendeur
[?]

Description du livre État : New. Publisher/Verlag: Éditions universitaires européennes | Quelques questions de sélection de variables autour de l'estimateur LASSO | Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO. | Format: Paperback | Language/Sprache: fre | 308 gr | 220x150x11 mm | 220 pp. N° de réf. du libraire K9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 68,02
Autre devise

Ajouter au panier

Frais de port : EUR 5
De Allemagne vers Etats-Unis
Destinations, frais et délais

3.

Mohamed Hebiri
Edité par Omniscriptum (2015)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Quantité : > 20
impression à la demande
Vendeur
Books2Anywhere
(Fairford, GLOS, Royaume-Uni)
Evaluation vendeur
[?]

Description du livre Omniscriptum, 2015. PAP. État : New. New Book. Delivered from our UK warehouse in 3 to 5 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. N° de réf. du libraire LQ-9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 67,23
Autre devise

Ajouter au panier

Frais de port : EUR 10,45
De Royaume-Uni vers Etats-Unis
Destinations, frais et délais

4.

Mohamed Hebiri
Edité par Omniscriptum (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Quantité : 3
Vendeur
Gallix
(Gif sur Yvette, France)
Evaluation vendeur
[?]

Description du livre Omniscriptum, 2011. État : Neuf. N° de réf. du libraire 9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 69
Autre devise

Ajouter au panier

Frais de port : EUR 12
De France vers Etats-Unis
Destinations, frais et délais

5.

HEBIRI-M
Edité par OmniScriptum (2016)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Paperback Quantité : 1
impression à la demande
Vendeur
Ria Christie Collections
(Uxbridge, Royaume-Uni)
Evaluation vendeur
[?]

Description du livre OmniScriptum, 2016. Paperback. État : New. PRINT ON DEMAND Book; New; Publication Year 2016; Not Signed; Fast Shipping from the UK. No. book. N° de réf. du libraire ria9783841784414_lsuk

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 77,66
Autre devise

Ajouter au panier

Frais de port : EUR 3,88
De Royaume-Uni vers Etats-Unis
Destinations, frais et délais

6.

Mohamed Hebiri
Edité par Editions Universitaires Europeennes EUE Dez 2011 (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Taschenbuch Quantité : 2
Vendeur
Rheinberg-Buch
(Bergisch Gladbach, Allemagne)
Evaluation vendeur
[?]

Description du livre Editions Universitaires Europeennes EUE Dez 2011, 2011. Taschenbuch. État : Neu. 220x150x13 mm. Neuware - Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO. 220 pp. Französisch. N° de réf. du libraire 9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 69
Autre devise

Ajouter au panier

Frais de port : EUR 17,11
De Allemagne vers Etats-Unis
Destinations, frais et délais

7.

Mohamed Hebiri
Edité par Editions Universitaires Europeennes EUE Dez 2011 (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Taschenbuch Quantité : 2
Vendeur
Agrios-Buch
(Bergisch Gladbach, Allemagne)
Evaluation vendeur
[?]

Description du livre Editions Universitaires Europeennes EUE Dez 2011, 2011. Taschenbuch. État : Neu. 220x150x13 mm. Neuware - Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO. 220 pp. Französisch. N° de réf. du libraire 9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 69
Autre devise

Ajouter au panier

Frais de port : EUR 17,13
De Allemagne vers Etats-Unis
Destinations, frais et délais

8.

Mohamed Hebiri
Edité par Omniscriptum (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Quantité : > 20
impression à la demande
Vendeur
PBShop
(Wood Dale, IL, Etats-Unis)
Evaluation vendeur
[?]

Description du livre Omniscriptum, 2011. PAP. État : New. New Book. Shipped from US within 10 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000. N° de réf. du libraire IQ-9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 82,68
Autre devise

Ajouter au panier

Frais de port : EUR 3,70
Vers Etats-Unis
Destinations, frais et délais

9.

Mohamed Hebiri
Edité par Editions Universitaires Europeennes EUE Dez 2011 (2011)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Taschenbuch Quantité : 1
impression à la demande
Vendeur
AHA-BUCH GmbH
(Einbeck, Allemagne)
Evaluation vendeur
[?]

Description du livre Editions Universitaires Europeennes EUE Dez 2011, 2011. Taschenbuch. État : Neu. 220x150x13 mm. This item is printed on demand - Print on Demand Neuware - Le problème général étudié dans cette thèse est celui de la régression linéaire en grande dimension. On s'intéresse particulièrement aux méthodes d'estimation qui capturent la sparsité du paramètre cible. Une méthode populaire pour estimer le paramètre inconnu de la régression dans ce contexte est l'estimateur des moindres carrés pénalisés par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l'étude de variantes de l'estimateur LASSO pour prendre en compte soit des informations supplémentaires sur les variables d'entrée, soit des modes semi-supervisés d'acquisition des données. Plus précisément, les questions abordées dans ce travail sont : l'estimation du paramètre inconnu lorsque l'espace des variables explicatives a une structure bien déterminée (présence de corrélations, structure d'ordre sur les variables ou regroupements entre variables) ; la construction d'estimateurs adaptés au cadre transductif, pour lequel les nouvelles observations non étiquetées sont prises en considération. Ces adaptations sont en partie déduites par une modification de la pénalité dans la définition de l'estimateur LASSO. 220 pp. Französisch. N° de réf. du libraire 9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 69
Autre devise

Ajouter au panier

Frais de port : EUR 29,50
De Allemagne vers Etats-Unis
Destinations, frais et délais

10.

Hebiri-M
Edité par Omniscriptum, United States (2015)
ISBN 10 : 3841784410 ISBN 13 : 9783841784414
Neuf(s) Paperback Quantité : 1
Vendeur
The Book Depository EURO
(London, Royaume-Uni)
Evaluation vendeur
[?]

Description du livre Omniscriptum, United States, 2015. Paperback. État : New. Aufl.. 220 x 150 mm. Language: French . Brand New Book. Le probleme general etudie dans cette these est celui de la regression lineaire en grande dimension. On s interesse particulierement aux methodes d estimation qui capturent la sparsite du parametre cible. Une methode populaire pour estimer le parametre inconnu de la regression dans ce contexte est l estimateur des moindres carres penalises par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l etude de variantes de l estimateur LASSO pour prendre en compte soit des informations supplementaires sur les variables d entree, soit des modes semi-supervises d acquisition des donnees. Plus precisement, les questions abordees dans ce travail sont: l estimation du parametre inconnu lorsque l espace des variables explicatives a une structure bien determinee (presence de correlations, structure d ordre sur les variables ou regroupements entre variables); la construction d estimateurs adaptes au cadre transductif, pour lequel les nouvelles observations non etiquetees sont prises en consideration. Ces adaptations sont en partie deduites par une modification de la penalite dans la definition de l estimateur LASSO. N° de réf. du libraire KNV9783841784414

Plus d'informations sur ce vendeur | Poser une question au libraire

Acheter neuf
EUR 103,51
Autre devise

Ajouter au panier

Frais de port : EUR 3,48
De Royaume-Uni vers Etats-Unis
Destinations, frais et délais

autres exemplaires de ce livre sont disponibles

Afficher tous les résultats pour ce livre