Arbres de régression et de classification

REG4

Durée : 0.5 jour(s)

:: Description générale

Cet atelier d'une demi-journée permet d'explorer les techniques de modélisation basées sur des arbres de décision, l'interprétation des résultats, leurs forces et faiblesses et leur mise en oeuvre pratique.

:: Objectifs pédagogiques

À l'issue de cette formation, les participants sauront:

Comment construire et interpréter des arbres de régression et de classification

Comment évaluer la qualité d'un arbre de régression et comment l'améliorer

Les avantages et les inconvénients liés à l'utilisation de cette technique

:: Public cible

Cette formation appliquée en statistique s'adresse à toute personne qui recueille des données et qui prend des décisions basées sur ces données. La connaissance des méthodes de régression couvertes dans cette formation sera particulièrement utile aux personnes désirant connaître une autre manière de mettre en relation(prédire) une variable à un ensemble de variables explicatives.

:: Pré-requis

Les méthodes et outils présentés nécessitent une maîtrise des outils de statistique descriptive et inférentielle de base (niveau DOE1 ).

Toutefois, pour profiter au maximum de cet atelier, une bonne connaissance de la régression linéaire multiple est recommandée (niveau REG1 ).

:: Plan du cours

Un principe de modélisation différent (CAR)
- Les méthodes d'arbres de régression et de classification: une alternative à la régression linéaire
- Quelques exemples
- Interprétation et utilisation des modèles arborescents
Les essentiels de la construction d'un modèle: Croissance de l'arbre
- Critères et algorithmes pour la division optimale
- Contraintes sur les noeuds et la taille des feuilles
- Modification des paramètres de contrôle
Amélioration du modèle : Élaguer l’arbre
- Pourquoi élaguer?
- Méthodes pour élaguer
- Sélection de modèle
- Sortie d’élaguage
Sortie détaillée
- Comprendre et interpréter la sortie des logiciels statistiques
Performance et stabilité du modèle final
- Méthodes arborescentes vs. régression classique
- Taille d'échantillon
- Outils récents pour améliorer la stabilité du modèle: "bagging and boosting"
Méthodes avancées
- Utilisation des arbres pour effectuer de la prédiction
- Combiner les arbres de régression aux outils de régression classiques
Un aperçu d’autres méthodes d’arbres de régression

:: Thèmes abordés

La formation traite de l'objectif de ce type de régression, des modèles sous-jacents, d'estimation des paramètres du modèle à l'aide des données, de l'interprétation des coefficients du modèle, des mesures d'ajustement "goodness-of-fit" et de validation de modèle, de prédiction en régression, des problèmes couramment rencontrés, des moyens de les détecter et des les résoudre.

Prochaines sessions publiques

Aucune session inter-entreprise n'est prévue pour le moment. Si vous êtes intéressé, n'hésitez pas à nous contacter en nous précisant le lieu où vous préféreriez assister à cette formation : Contactez nous

Informations générales

Notre philosophie Formations en entreprise Coaching Formateurs Dernières nouvelles Nous contacter Newsletter

Faire connaître

Langues

Devises

Critiques

Techniques de régression linéaire simple et multiple

Très bon cours, très bien structuré et informatif. -
Merci. ..

Notifications

Me prévenir des mises à jour de Arbres de régression et de classification

Utilisation du site

Confidentialité Conditions d'utilisation