Abstract:
Ce 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.
