Régression II – STT-4300

Préface

Ces notes de cours couvrent la régression linéaire, les modèles linéaires généralisés (régression logistique, régression de Poisson), les méthodes de validation et de sélection de modèles, la régularisation (ridge, lasso), les méthodes de régression non-paramétrique (\(k\) plus proches voisins, estimateur de noyau, splines) et les modèles additifs généralisés (GAM).

Si vous constatez des coquilles ou des erreurs, merci de m’envoyer un courriel.

Pour en savoir plus sur moi et sur mes autres projets, vous pouvez consulter mon site personnel.

Version pdf des notes de cours

Pour télécharger la version pdf des notes de cours il suffit de cliquer ici ou là.

Ça fonctionne ici aussi.

Remerciements

Ces notes s’appuient en partie sur du matériel de cours développé respectivement par Lajmi Lakhal Chaieb, Thierry Duchesne, Michel Carbon et Khader Khadraoui de l’Université Laval et Eva Cantoni de l’Université de Genève. Je remercie également Guillaume Blanc et Benjamin Poilane pour leur révision méticuleuse.

Provenance des données

Certains des jeux de données utilisés dans ces notes proviennent en partie de donneesbleues.ca.

Utilisation de l’IA

La rédaction de certains passages, ainsi que le développement de certains exemples en R, ont bénéficié de l’assistance de Claude Sonnet 5, un modèle de langage développé par Anthropic. Mais surtout, Claude a été très utile dans la réalisation des animations des chapitres.