Académique Documents
Professionnel Documents
Culture Documents
M1 TSI – S2 2018-2019
https:
//pageperso.lis-lab.fr/˜remi.eyraud/WP/?page_id=136
Introduction Représentation et visualisation Mesures de performance Algorithmes élémentaires pour la classification supervisée Régression linéaire Sépa
Outline
1 Introduction
2 Représentation et visualisation
3 Mesures de performance
5 Régression linéaire
Outline
1 Introduction
2 Représentation et visualisation
3 Mesures de performance
5 Régression linéaire
Problème de régression
Cas simple
(x1 , y1 ), . . . , (xn , yn ) ∈ Rd × R
f (x) = ax + b
Souvenez vous...
Expliquer une variable par une (ou plusieurs) autre(s)
Introduction Représentation et visualisation Mesures de performance Algorithmes élémentaires pour la classification supervisée Régression linéaire Sépa
Comment calculer ?
Résoudre un système d’équations basé sur l’échantillon
Que cherche t’on : une fonction, par exemple linéaire
y = a1 x1 + a2 x2 + · · · + ad xd + ad+1
On cherche le vecteur de coefficients a1 , · · · ad+1 dans le cas d’une
fonction linéaire
Modélisation de la régression
La fonction de régression
argminRemp (f )
f
Espace d’hypothèses
Régression linéaire
hu, vi = u1 v1 + u2 v2 + · · · + ud vd
r (x) = hα, xi + β = α1 x1 + . . . αd xd + β
Introduction Représentation et visualisation Mesures de performance Algorithmes élémentaires pour la classification supervisée Régression linéaire Sépa
r (x) = αx + β
sont Pn
i=1 (xi − x)(yi − y)
α̂ = Pn 2
i=1 (xi − x)
β̂ = y − α̂x
où les moyennes considérées sont
n n
1X 1X
x= xi et y = yi
n n
i=1 i=1
Introduction Représentation et visualisation Mesures de performance Algorithmes élémentaires pour la classification supervisée Régression linéaire Sépa
Soit S = {(0, 1), (1, 0), (2, 1), (3, 4))} notre échantillon
Solution
x = 3/2, y = 3/2, α̂ = 1 et β̂ = 0.
b1 = 1, b2 = −1, b3 = −1
b4 = 1 et σ̂ 2 = 2
Illustration (m = 10 expériences)
Illustration
S = {((0, 0), −1), ((0, 1), 1), ((1, 0), 1), ((1, 1), 1)}.
On a
0 0 1 −1
0 1 1 T 0 0 1 1 1
X = , X = 0 1 0 1 et Y = .
1 0 1 1
1 1 1 1
1 1 1 1
On vérifie que
2 1 2 1 0 −1/2
XTX = 1 2 2 , (X T X )−1 = 0 1 −1/2
2 2 4 −1/2 −1/2 3/4
−1/2 −1/2 1/2 1/2 1
T −1 T T −1 T
(X X ) X = −1/2 1/2 −1/2 1/2 et (X X ) X Y = 1
3/4 1/4 1/4 −1/4 −1/2
soit
α̂ = (1, 1) et β̂ = −1/2.
Lasso
Bientôt !