Communication Dans Un Congrès Année : 2015

Une pénalité de groupe pour des données multivoie de grande dimension

Résumé

Le problème de la classification supervisée de données multivoie de grande dimension avec un a priori de structure de groupes sur les variables est étudie. Plus précisément une pénalité adaptée à cette structure de données est proposée. Sans surcoût calculatoire notable, cette pénalité favorise l’interprétabilité des modèles obtenus. La pénalité est ici développée pour l’analyse discriminante et la régression logistique. Une application à l’analyse de données de neuroimagerie multimodale est présentée.

Fichier principal
Vignette du fichier
JDS, Le Brusquet, Tenenhaus, Lechuga.pdf (120.31 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence
Loading...

Dates et versions

hal-01235986 , version 1 (01-12-2015)

Licence

Identifiants

  • HAL Id : hal-01235986 , version 1

Citer

Laurent Le Brusquet, Arthur Tenenhaus, Gisela Lechuga, Vincent Perlbarg, Louis Puybasset, et al.. Une pénalité de groupe pour des données multivoie de grande dimension. 47èmes Journée de Statistique de la SFdS (JdS 2015), Jun 2015, Lille, France. ⟨hal-01235986⟩
262 Consultations
421 Téléchargements

Partager

  • More