Regularized least squaresRegularized least squares (RLS) is a family of methods for solving the least-squares problem while using regularization to further constrain the resulting solution. RLS is used for two main reasons. The first comes up when the number of variables in the linear system exceeds the number of observations. In such settings, the ordinary least-squares problem is ill-posed and is therefore impossible to fit because the associated optimization problem has infinitely many solutions.
Minimum-variance unbiased estimatorIn statistics a minimum-variance unbiased estimator (MVUE) or uniformly minimum-variance unbiased estimator (UMVUE) is an unbiased estimator that has lower variance than any other unbiased estimator for all possible values of the parameter. For practical statistics problems, it is important to determine the MVUE if one exists, since less-than-optimal procedures would naturally be avoided, other things being equal. This has led to substantial development of statistical theory related to the problem of optimal estimation.
Elastic net regularizationIn statistics and, in particular, in the fitting of linear or logistic regression models, the elastic net is a regularized regression method that linearly combines the L1 and L2 penalties of the lasso and ridge methods. The elastic net method overcomes the limitations of the LASSO (least absolute shrinkage and selection operator) method which uses a penalty function based on Use of this penalty function has several limitations. For example, in the "large p, small n" case (high-dimensional data with few examples), the LASSO selects at most n variables before it saturates.
Coefficient de déterminationvignette|Illustration du coefficient de détermination pour une régression linéaire. Le coefficient de détermination est égal à 1 moins le rapport entre la surface des carrés bleus et la surface des carrés rouges. En statistique, le coefficient de détermination linéaire de Pearson, noté R ou r, est une mesure de la qualité de la prédiction d'une régression linéaire. où n est le nombre de mesures, la valeur de la mesure , la valeur prédite correspondante et la moyenne des mesures.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
PlutoniumLe plutonium est l'élément chimique de symbole Pu et de numéro atomique 94. C'est un métal radioactif transuranien de la famille des actinides. Il se présente sous la forme d'un solide cristallisé dont les surfaces fraîches sont gris argenté mais se couvrent en quelques minutes, en présence d'humidité, d'une couche terne de couleur grise, tirant parfois sur le vert olive, constituée d'oxydes et d'hydrures ; l'accroissement de volume qui en résulte peut atteindre 70 % d'un bloc de plutonium pur, et la substance ainsi formée tend à se désagréger en une poudre pyrophorique.
NeptuniumLe neptunium est un élément chimique de synthèse de symbole Np et de numéro atomique 93. Élément métallique radioactif, le neptunium est le premier des transuraniens et appartient à la famille des actinides. Son isotope le plus stable, le neptunium 237, est produit dans les réacteurs nucléaires. On le trouve aussi sous forme de traces dans le minerai d'uranium. Il fut découvert en 1940 à l'Université de Californie. Comme il vient après l'uranium dans le tableau périodique, il fut baptisé en référence à la planète Neptune, qui vient après Uranus dans le système solaire.
Surapprentissagevignette|300x300px|La ligne verte représente un modèle surappris et la ligne noire représente un modèle régulier. La ligne verte classifie trop parfaitement les données d'entrainement, elle généralise mal et donnera de mauvaises prévisions futures avec de nouvelles données. Le modèle vert est donc finalement moins bon que le noir. En statistique, le surapprentissage, ou sur-ajustement, ou encore surinterprétation (en anglais « overfitting »), est une analyse statistique qui correspond trop précisément à une collection particulière d'un ensemble de données.
Plutonium 239Le plutonium 239, noté Pu, est l'isotope du plutonium dont le nombre de masse est égal à 239 : son noyau atomique compte et avec un état fondamental ayant un spin 1/2+ pour une masse atomique de . Il est caractérisé par un excès de masse de et une énergie de liaison nucléaire par nucléon de . Un gramme de présente une radioactivité de , tandis qu'un kilogramme de Pu pur est le siège d'environ par seconde. Il est radioactif avec une période de en produisant de l' par moyennant une énergie de désintégration de .
Plutonium 241Le plutonium 241, noté Pu, est l'isotope du plutonium dont le nombre de masse est égal à 241 : son noyau atomique compte et avec un spin 5/2+ pour une masse atomique de . Il est caractérisé par un excès de masse de et une énergie de liaison nucléaire par nucléon de . Il se forme à partir de par capture neutronique. Comme le , il s'agit d'un isotope fissile, susceptible d'entretenir une réaction en chaîne, avec une section efficace de capture neutronique supérieure à celle du Pu et une probabilité semblable de fission par absorption de neutron de l'ordre de 73 %.
Estimateur (statistique)En statistique, un estimateur est une fonction permettant d'estimer un moment d'une loi de probabilité (comme son espérance ou sa variance). Il peut par exemple servir à estimer certaines caractéristiques d'une population totale à partir de données obtenues sur un échantillon comme lors d'un sondage. La définition et l'utilisation de tels estimateurs constitue la statistique inférentielle. La qualité des estimateurs s'exprime par leur convergence, leur biais, leur efficacité et leur robustesse.
Tableau périodique des élémentsvignette|400px|Tableau périodique des éléments au . 400px|vignette|Avec davantage de détails par élément. Le tableau périodique des éléments, également appelé tableau ou table de Mendeleïev, classification périodique des éléments ou simplement tableau périodique, représente tous les éléments chimiques, ordonnés par numéro atomique croissant et organisés en fonction de leur configuration électronique, laquelle sous-tend leurs propriétés chimiques.
