Regression all

Les méthodes de régression permettent de prédire une variable quantitative continue.

• [[régression]].
• [[réseau de neurones]].

Note

Il existe des adaptaion des modèles de classification supervisée de variables qualitative à des variables quantitatives par exemple, les arbre de régression.

Résidus (ou biais) différence entre la valeur réelle et celle prédite (\(y - \hat{y}\)).

Evaluer le modèle

Plusieurs outils peuvent servir à évaluer les performances des modèles de régression :

• graphique :

  • boxplot des erreurs de prédiction.
  • nuage de points (prédiction et réel) avec la fonction linéaire \(f(x) = x\)

• les indicateurs et les critères :

  • Le coefficient de déterminantion \(R^2\) qui est la proportion de la variance expliquée par le modèle Plus il est élevé et moins l'erreur explique la variance. La valeur ajustée correspond à une correction par l'effectif des observations.
  • les [[indicateurs et fonctions de coût]].
  • les critères comme AIC et BIC.