Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Tumeur du cerveauvignette|Biopsie du cerveau vignette|Scanner du cerveau d'une fillette de 6 ans atteinte d'un médulloblastome (tumeur cérébrale la plus fréquente chez les enfants de moins de 2 ans). Les tumeurs cérébrales désignent l'ensemble des tumeurs, bénignes ou malignes, se développant dans le parenchyme cérébral. Elles surviennent par le développement anormal et désorganisé de divisions cellulaires, à partir soit d'une cellule du cerveau lui-même, soit d'une cellule métastatique exportée d'un cancer situé dans une autre partie du corps.
Tumeur neuroendocrinienneLes tumeurs neuroendocriniennes ou tumeurs neuroendocrines (TNE) sont des tumeurs (néoplasmes) qui se forment à partir d'un développement désordonné de cellules du système endocrine (hormonal) et du système nerveux. Ces tumeurs particulières sont le plus souvent bénignes, mais quelques-unes sont malignes et peuvent facilement métastaser. La plupart se forment dans l'intestin et le poumon, mais on en trouve ailleurs dans le corps, sur les organes ayant des fonctions de glandes ou voisin ( pénis, voisin du testicule).
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
Régression (statistiques)En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. 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.
Gène suppresseur de tumeursUn gène suppresseur de tumeurs ou encore anti-oncogène est un régulateur négatif de la prolifération cellulaire. Notre organisme est composé d'environ cinq mille milliards de cellules réparties dans plus de 200 types cellulaires différents qui composent les tissus (cellules sanguines, nerveuses, germinales...). La prolifération cellulaire au sein de ces tissus est rigoureusement contrôlée au cours de notre vie : certaines cellules (telles que les neurones) ne nécessitent pas un renouvellement constant, d'autres sont perpétuellement en cours de multiplication (cellules sanguines ou de la peau).
Segmented regressionSegmented regression, also known as piecewise regression or broken-stick regression, is a method in regression analysis in which the independent variable is partitioned into intervals and a separate line segment is fit to each interval. Segmented regression analysis can also be performed on multivariate data by partitioning the various independent variables. Segmented regression is useful when the independent variables, clustered into different groups, exhibit different relationships between the variables in these regions.
Modèle linéaire généraliséEn statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.
Régression non linéaireUne régression non linéaire consiste à ajuster un modèle, en général non linéaire, y = ƒa1, ..., am(x) pour un ensemble de valeurs (xi, yi)1 ≤ i ≤ n. Les variables xi et yi peuvent être des scalaires ou des vecteurs. Par « ajuster », il faut comprendre : déterminer les paramètres de la loi, (a1, ..., am), afin de minimiser S = ||ri||, avec : ri = yi - ƒa1, ..., am(xi). ||...|| est une norme. On utilise en général la norme euclidienne, ou norme l2 ; on parle alors de méthode des moindres carrés.
Deming regressionIn statistics, Deming regression, named after W. Edwards Deming, is an errors-in-variables model which tries to find the line of best fit for a two-dimensional dataset. It differs from the simple linear regression in that it accounts for errors in observations on both the x- and the y- axis. It is a special case of total least squares, which allows for any number of predictors and a more complicated error structure.
Régression vers la moyenneEn statistique, la régression vers la moyenne décrit le phénomène suivant : si une variable est extrême à sa première mesure, elle va généralement se rapprocher de la moyenne à sa seconde mesure. Si elle est extrême à sa seconde mesure elle va tendre à être proche de la moyenne à sa première mesure. Afin d'éviter des inférences erronées, la régression vers la moyenne doit être considérée à la base de la conception des expériences scientifiques et prise en compte lors de l'interprétation des données.
Linear probability modelIn statistics, a linear probability model (LPM) is a special case of a binary regression model. Here the dependent variable for each observation takes values which are either 0 or 1. The probability of observing a 0 or 1 in any one case is treated as depending on one or more explanatory variables. For the "linear probability model", this relationship is a particularly simple one, and allows the model to be fitted by linear regression.
Bone tumorA bone tumor is an abnormal growth of tissue in bone, traditionally classified as noncancerous (benign) or cancerous (malignant). Cancerous bone tumors usually originate from a cancer in another part of the body such as from lung, breast, thyroid, kidney and prostate. There may be a lump, pain, or neurological signs from pressure. A bone tumor might present with a pathologic fracture. Other symptoms may include fatigue, fever, weight loss, anemia and nausea. Sometimes there are no symptoms and the tumour is found when investigating another problem.
Generalized linear mixed modelIn statistics, a generalized linear mixed model (GLMM) is an extension to the generalized linear model (GLM) in which the linear predictor contains random effects in addition to the usual fixed effects. They also inherit from GLMs the idea of extending linear mixed models to non-normal data. GLMMs provide a broad range of models for the analysis of grouped data, since the differences between groups can be modelled as a random effect. These models are useful in the analysis of many kinds of data, including longitudinal data.
Tumeur germinaleLes tumeurs germinales sont des proliférations des lignées cellulaires germinales : ovulaires dans l'ovaire, spermatocytiques dans le testicule. Elles sont divisées en deux grands types histopathologiques : les séminomes (50 % des cas), qui auraient pour origine une prolifération anarchique de cellules de l'épithélium germinal du tube séminifère. Ils présentent un aspect hypoéchogène et hypovascularisée à l'échographie scrotale. Ils sont radio-sensibles et leur pronostic est bon dans 95 % des cas, mais ils nécessitent un suivi du patient.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
Binary classificationBinary classification is the task of classifying the elements of a set into two groups (each called class) on the basis of a classification rule. Typical binary classification problems include: Medical testing to determine if a patient has certain disease or not; Quality control in industry, deciding whether a specification has been met; In information retrieval, deciding whether a page should be in the result set of a search or not. Binary classification is dichotomization applied to a practical situation.
Régression non paramétriqueLa régression non paramétrique est une forme d'analyse de la régression dans lequel le prédicteur, ou fonction d'estimation, ne prend pas de forme prédéterminée, mais est construit selon les informations provenant des données. La régression non paramétrique exige des tailles d'échantillons plus importantes que celles de la régression basée sur des modèles paramétriques parce que les données doivent fournir la structure du modèle ainsi que les estimations du modèle. On dispose de données numériques que l'on suppose corrélées.
Pancreatic neuroendocrine tumorPancreatic neuroendocrine tumours (PanNETs, PETs, or PNETs), often referred to as "islet cell tumours", or "pancreatic endocrine tumours" are neuroendocrine neoplasms that arise from cells of the endocrine (hormonal) and nervous system within the pancreas. PanNETs are a type of neuroendocrine tumor, representing about one-third of gastroenteropancreatic neuroendocrine tumors (GEP-NETs). Many PanNETs are benign, while some are malignant. Aggressive PanNET tumors have traditionally been termed "islet cell carcinoma".
Classement automatiquevignette|La fonction 1-x^2-2exp(-100x^2) (rouge) et les valeurs déplacées par un bruit de 0,1*N(0,1). Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se fondant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes. En français, le classement fait référence à l'action de classer donc de « ranger dans une classe ».
