Séminaire de Probabilités et Statistique :
Le 21 mars 2011 à 15:00 - UM2 - Bât 09 - Salle 331 (3ème étage)
Présentée par Matzner-Lober Eric - Université Rennes 2
Régression non paramétrique en grande dimension
Nous présenterons dans cet exposé une méthode de régression nonparamétrique utilisable lorsque le nombre de variables
explicatives est potentiellement élevé. Cette procédure est
adaptative. Notre estimateur est calculable aisément par application successive d'un lisseur classique comme un estimateur à noyau ou des splines plaques minces.
Le lisseur itéré proposé présente de bons résultats pratiques. Il
donne souvent de meilleurs résultats en terme d'erreur de prévision
que les estimateurs nonparamétriques classiques ou que les estimateurs
sous contraintes structurelles (modèles GAM par exemple).
Nous présenterons pour terminer quelques exemples réels comme par
exemple le jeu de données Boston Housing Data (13 variables explicatives
pour 550 individus) et comparerons les résultats obtenus par notre
estimateur ibr avec ceux obtenus par les méthodes classiques (GAM, PPR,
arbres...). Un package R nommé ibr est disponible sur le CRAN.