Analyse de données

Comprendre le principe de l’analyse en composantes principales (des individus et des variables), de la régression par méthode des moindres carrés et des classifieurs n’utilisant pas les réseaux de neurones (classification Bayésienne, support vector machines, arbres de décision et méthodes de clustering)

-      Analyse en composantes principales

-      Régression et méthode des moindres carrés

-      Classification Bayésienne

-      Machines à vecteurs supports

-      Arbres de decision

-      Méthodes de paritionnement (clustering)

Eléments de base du calcul des probabilités, optimisation sous contraintes, analyse (dérivées de formes quadratiques), algèbre (diagonalisation de matrices et SVD)

1. I. Jolliffe, Principal Component Analysis, Springer-Verlag, 2002.
2. R. Duda, P. Hart and D. Stork, Pattern Classification, Wiley-Interscience, 2^nd edition, Nov. 2000.