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.
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.
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.
Bayesian multivariate linear regressionIn statistics, Bayesian multivariate linear regression is a Bayesian approach to multivariate linear regression, i.e. linear regression where the predicted outcome is a vector of correlated random variables rather than a single scalar random variable. A more general treatment of this approach can be found in the article MMSE estimator. Consider a regression problem where the dependent variable to be predicted is not a single real-valued scalar but an m-length vector of correlated real numbers.
Linear least squaresLinear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.
Simple linear regressionIn statistics, simple linear regression is a linear regression model with a single explanatory variable. That is, it concerns two-dimensional sample points with one independent variable and one dependent variable (conventionally, the x and y coordinates in a Cartesian coordinate system) and finds a linear function (a non-vertical straight line) that, as accurately as possible, predicts the dependent variable values as a function of the independent variable. The adjective simple refers to the fact that the outcome variable is related to a single predictor.
Maladie cardiovasculaireUne maladie cardiovasculaire, ou maladie cardioneurovasculaire, est une maladie qui concerne le cœur et la circulation sanguine. Dans les pays occidentaux, son expression la plus courante est la maladie coronarienne, responsable de l'angine de poitrine ou encore des infarctus. Les maladies cardiovasculaires touchent plus certaines catégories de population (ouvriers, personnes exposées à certaines pollutions, personnes obèses) et leur prévalence régionale est marquée comme en France, à la fin du dans le Nord-Pas-de-Calais, l'Alsace, l'Auvergne et récemment l’île de France , quatre régions nettement plus touchées que les autres régions et la moyenne nationale, comme pour plusieurs types de cancers.
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.
Bayesian linear regressionBayesian linear regression is a type of conditional modeling in which the mean of one variable is described by a linear combination of other variables, with the goal of obtaining the posterior probability of the regression coefficients (as well as other parameters describing the distribution of the regressand) and ultimately allowing the out-of-sample prediction of the regressand (often labelled ) conditional on observed values of the regressors (usually ).
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
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.
CœurLe cœur est un organe musculaire creux qui assure la circulation sanguine en pompant le sang vers les vaisseaux sanguins et les cavités du corps à travers des contractions rythmiques. L'adjectif cardiaque veut dire « qui a un rapport avec le cœur » ; il vient du grec kardia (καρδία) « cœur » , et de la racine indo-européenne ḱḗr (« entrailles »). Fichier:Heart left ventricular outflow track.jpg|Coupe frontale du ventricule gauche du cœur humain. Fichier:Le Cœur Humaine avec des Annotations.
Insuffisance cardiaque chez l'humainL’insuffisance cardiaque (IC) ou défaillance cardiaque correspond à un état dans lequel une anomalie de la fonction cardiaque est responsable de l'incapacité du myocarde à assurer un débit cardiaque suffisant pour couvrir les besoins énergétiques de l'organisme. Cette défaillance peut être le reflet d'une anomalie de la contraction du muscle cardiaque ventriculaire (dysfonction systolique) ou de remplissage (dysfonction diastolique), voire des deux mécanismes.
Valvulopathie cardiaqueLe terme valvulopathie cardiaque (littéralement, maladie des valves cardiaques) désigne divers dysfonctionnements des valves cardiaques. Ce sont des maladies fréquentes dont les causes se sont modifiées avec l'amélioration des conditions sanitaires. Toutes les valves cardiaques peuvent être touchées, mais les valves aortique et mitrale sont les plus fréquemment atteintes. L'échographie cardiaque couplée au doppler est actuellement l'examen-clé du bilan d'une valvulopathie.
Régression multivariée par spline adaptativeLa Régression multivariée par spline adaptative (en anglais MARS pour ) est une méthode statistique ; plus précisément, c'est une forme de modèle de régression présentée pour la première fois par Jerome H. Friedman et Bernard Silverman en 1991. C'est une technique de régression non paramétrique pouvant être vue comme une extension des régressions linéaires qui modélisent automatiquement des interactions et des non-linéarités. Le terme MARS est une marque de Salford Systems.
Cœur pulmonaireLe cœur pulmonaire, est l'élargissement et l'insuffisance du ventricule droit du cœur en réponse à une augmentation de la post-charge, c'est-à-dire de la résistance vasculaire (ou hypertension artérielle pulmonaire). Le cœur pulmonaire est habituellement chronique mais peut être aigu et réversible. Le cœur pulmonaire aigu s’observe essentiellement au cours d’une embolie pulmonaire massive, ou bien dans le cadre du syndrome de détresse respiratoire aiguë. Si elle n'est pas traitée, la mort peut en résulter.
Statistique multivariéeEn statistique, les analyses multivariées ont pour caractéristique de s'intéresser à des lois de probabilité à plusieurs variables. Les analyses bivariées sont des cas particuliers à deux variables. Les analyses multivariées sont très diverses selon l'objectif recherché, la nature des variables et la mise en œuvre formelle. On peut identifier deux grandes familles : celle des méthodes descriptives (visant à structurer et résumer l'information) et celle des méthodes explicatives visant à expliquer une ou des variables dites « dépendantes » (variables à expliquer) par un ensemble de variables dites « indépendantes » (variables explicatives).
Maladie coronarienneLa maladie coronarienne, ou coronaropathie, ou insuffisance coronarienne, est une maladie des artères qui vascularisent le cœur (artères coronaires), ayant pour conséquence une ischémie myocardique, c'est-à-dire un apport en sang insuffisant (ischémie) au muscle cardiaque (myocarde). On distingue classiquement l'angine de poitrine et l'infarctus du myocarde, selon qu'il existe une « simple » souffrance ou une mort (nécrose) d'une partie des cellules du myocarde. Cette maladie se manifeste principalement par une douleur thoracique caractéristique.
Apprentissage auto-superviséL'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d'apprentissage automatique. Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels. Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau.
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.
