Objectifs

Être capable de dérouler une méthodologie d'analyse sur un jeu de données multivarié
Connaître les principes théoriques des méthodes étudiées
Savoir les utiliser à bon escient
Mettre en place une stratégie de choix de modèle
Être capable d'appréhender une nouvelle méthode
Utiliser un logiciel statistique

Contenu

Inférence en régression (non linéaire, logistique, modèles linéaires généralisés)
Choix de modèle et sélection de variables
Mesure de la performance d'un modèle
Méthodes de régularisation

Prérequis: bases de la statistique inférentielle; modèle linéaire

useensta rstudio
usediam r
rstudio

Un aide mémoire: Carteref R

N'hésitez pas à me contacter pour toute notion du cours ou des TDs sur lequelles vous souhaitez des éclaircissements.

année 2020	cours de 8h30 à 10h00- TD machine 10h15-12h15	DOCUMENTS
	Introduction aux méthodes factorielles
	séance 2: ACP
	séance 3: AFC
	séance 4: Clustering
	séance 5: Examen partie non supervisée Attention: le poly est le seul document autorisé. Apporter la calculette	Examen 2019: énoncé credoc1967.txt news.data
	séance 6: Régression non linéaire
	séance 7: Tests en régression non linéaire
	séance 8: Régression logistique
	séance 9: Tests en régression logistique
	séance10: Classification supervisée
	séance 11: Choix de modèle et sélection de variable
	projet à rendre pour le
	séance 12: Méthodes régularisées

EX: un examen sur la partie non supervisée: le poly est le seul document autorisé. Apporter la calculette

Note finale = (EX+PR)/2