Régression localisée en ondelettes sur un design aléatoire et application à la classification binaire supervisée

Jean-Baptiste Monnier (LPMA, Université de Paris 7)
vendredi 21 octobre 2011

Résumé : Au cours de cet exposé, nous montrons comment il est possible d’étendre les résultats d’optimalité des procédures de régression linéaire en ondelettes au cadre de la régression en design aléatoire de densité inconnue. L’exposé se décompose en trois parties. 1) Nous supposons initialement que le support de la densité du design est connu et montrons que, contrairement à une idée répandue, il est possible de construire un estimateur de la fonction de régression sur une analyse multi-résolution, qui vérifie des résultats d’optimalité semblables à ceux de l’estimateur par polynômes locaux (LPE). Cet estimateur est calibré localement et exploite avantageusement la structure de treillis de la MRA sur laquelle il est construit, ce qui le rend plus performant d’un point de vue calculatoire que le LPE. Nous illustrons cette propriété à travers une série de simulations. 2) Dans un second temps, nous montrons comment cette procédure d’estimation locale peut être modifiée pour être encore valide dans le cas où le support de la densité du design est inconnu. De manière intéressante, l’estimateur proposé présente encore des performances théoriques similaires à celles du LPE. De plus il exploite toujours, d’une certaine manière, la structure de treillis de la MRA sur laquelle il est construit et conserve donc un avantage calculatoire sur les estimateurs à noyau tels que le LPE. 3) Finalement, nous nous tournons vers le problème de classification binaire supervisée et montrons que cette dernière approche peut servir à la construction de règles de classification adaptatives et minimax qui peuvent atteindre des vitesses de convergence ``super rapides’’ sous une hypothèse de marge.


Cet exposé se tiendra en salle C20-13, 20ème étage, Université Paris 1, Centre Pierre Mendès-France, 90 rue de Tolbiac, 75013 Paris (métro : Olympiades).


Agenda

<<

2017

>>

<<

Avril

>>

Aujourd'hui

LuMaMeJeVeSaDi
272829303112
3456789
10111213141516
17181920212223
24252627282930

Annonces

ESANN 2016 : European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning


STATLEARN 2016


ICOR 2016