Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Filtrer les résultats
Colloque
L’abondance des informations ainsi que leurs diversités nécessite l’emploi d’approches efficaces pour le traitement de données de grandes dimensions. Ces données proviennent généralement de divers domaines d'application de la statistique, notamment l'environnement, la santé et l'administration. L’analyse de données en grande dimension nécessite le développement d’approches robustes pour la sélection des variables. GOAL (generalized outcome-adaptive lasso) est un algorithme très performant de sélection des variables pour l’inférence causale en grande dimension. En particulier, GOAL a la capacité de résoudre simultanément les problèmes de corrélation et le fléau de la dimension (curse of dimensionality). Cependant, étant donné que la méthode GOAL …
Colloque
L’abondance des informations ainsi que leurs diversités nécessite l’emploi d’approches efficaces pour le traitement de données de grandes dimensions. Ces données proviennent généralement de divers domaines d'application de la statistique, notamment l'environnement, la santé et l'administration. L’analyse de données en grande dimension nécessite le développement d’approches robustes pour la sélection des variables. GOAL (generalized outcome-adaptive lasso) est un algorithme très performant de sélection des variables pour l’inférence causale en grande dimension. En particulier, GOAL a la capacité de résoudre simultanément les problèmes de corrélation et le fléau de la dimension (curse of dimensionality). Cependant, étant donné que la méthode GOAL …
