Skip to content
master
Go to file
Code

Latest commit

 

Git stats

Files

Permalink
Failed to load latest commit information.
Type
Name
Latest commit message
Commit time
 
 
 
 
td
 
 
 
 
 
 
 
 
 
 

README.md

Introduction aux méthodes régularisées et parcimonieuses pour la régression linéaire

L’objet de ce module est de présenter une introduction aux méthodes régularisées qui sont devenues un outil indispensable à l’analyse de données, en particulier issues des sciences du vivant. Il vise également à fournir aux étudiants des compétences pratiques quant à l’utilisation de ces méthodes à l’aide du logiciel R.

Programme

Les deux journées commenceront par 3 heures de cours

  • Jour 1: les limites du modèles linéaires; la régression stepwise; introduction à la régularisation
  • Jour 2: la régularisation ridge, le lasso et leurs variantes pour le modèle linéaire

Les après-midi sont consacrées à des séances machines. Les méthodes régularisées classiques seront évaluées sur des données simulées dont le protocoles sera mis en place par les étudiants. Des données issues de la génomique seront ensuite analysées.

L’évaluation se fera sous la forme d’un rapport associé au séances machines et d’un projet d’analyse, à rendre avant

Documents

Logiciel

Pour les tutoriaux, privilégiez une version récente de R (https://cran.r-project.org) et Rstudio (http://rstudio.com/products/rstudio/download).

VOus aurez également besoin des packages suivants:

install.packages("tidyverse") # manipulation et visualisation de données
install.packages("Matrix")    # 
install.packages("pbmcapply") # Calcul parallèle facile
install.packages("glmnet")    # lasso, ridge, elastic-net 
install.packages("grplasso")  # group-lasso
install.packages("picasso")   # méthode non convexe
install.packages("stabs")     # sélection stable par rééchantillonage

About

Matériel de cours d'introduction à la régression linéaire régularisée

Topics

Resources

License

Releases

No releases published

Packages

No packages published
You can’t perform that action at this time.