https://github.com/jchiquet/coursereglinearregression
Matériel de cours d'introduction à la régression linéaire régularisée
https://github.com/jchiquet/coursereglinearregression
lasso linear-regression regularization ridge
Last synced: 30 days ago
JSON representation
Matériel de cours d'introduction à la régression linéaire régularisée
- Host: GitHub
- URL: https://github.com/jchiquet/coursereglinearregression
- Owner: jchiquet
- License: gpl-3.0
- Created: 2018-11-08T08:36:20.000Z (almost 7 years ago)
- Default Branch: master
- Last Pushed: 2018-11-14T08:40:39.000Z (almost 7 years ago)
- Last Synced: 2025-03-17T15:58:12.281Z (7 months ago)
- Topics: lasso, linear-regression, regularization, ridge
- Language: TeX
- Homepage:
- Size: 11.2 MB
- Stars: 1
- Watchers: 1
- Forks: 1
- Open Issues: 0
-
Metadata Files:
- Readme: README.Rmd
- License: LICENSE
Awesome Lists containing this project
README
---
title: "Introduction aux méthodes régularisées et parcimonieuses pour la régression linéaire"
output: github_document
---
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```
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
- [Les slides du cours](https://github.com/jchiquet/CourseRegLinearRegression/raw/master/slides/main.pdf)
- [l'énoncé des travaux dirigés](https://github.com/jchiquet/CourseRegLinearRegression/raw/master/td/td_ensai.pdf), [un peu d'aide](https://github.com/jchiquet/CourseRegLinearRegression/raw/master/td/hints.R)
## Logiciel
Pour les tutoriaux, privilégiez une version récente de `R` ([https://cran.r-project.org](https://cran.r-project.org)) et Rstudio ([http://rstudio.com/products/rstudio/download](http://rstudio.com/products/rstudio/download)).
VOus aurez également besoin des packages suivants:
```{r system requirments, eval = FALSE}
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
```