Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/24937
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBrahmi, Amira-
dc.contributor.authorMaouche, M. ; promoteur-
dc.date.accessioned2024-12-10T08:31:09Z-
dc.date.available2024-12-10T08:31:09Z-
dc.date.issued2024-07-02-
dc.identifier.other510MAS/250-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/24937-
dc.descriptionOption: Probabilité Statistique et Applicationen_US
dc.description.abstractCe mémoire explore l'utilisation de la régularisation L1, notamment le Lasso (Least Absolute Shrinkage and Selection Operator), dans le cadre des modèles de régression. L'objectif principal est de présenter et d'analyser les techniques de régularisation L1 pour améliorer la performance prédictive et l'interpértabilité des modèles de régression, en particulier dans des contextes de haute dimension. Nous comparons la méthode de régression du Lasso aux méthodes de régression linéaire multiple et Ridge à travers des exemples pratiques.en_US
dc.language.isofren_US
dc.publisherUniversité Abderramane Mira-Bejaiaen_US
dc.subjectLasso : Sélection de variables : Surajustement :Régularisation L1en_US
dc.titleIntroduction au LASSO et aux méthodes de régularisation.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
PEFINAAL.pdf889.16 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.