Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Méthodes de sélection des variables : Filtrage et corrélation

Dans cours

EE-311: Apprentissage et intelligence artificielle

Ce cours présente une vue générale des techniques d'apprentissage automatique, passant en revue les algorithmes, le formalisme théorique et les protocoles expérimentaux. ...

Description

Cette séance de cours couvre les méthodes de sélection variables en apprentissage automatique, en se concentrant sur les techniques de filtrage et de corrélation. Le filtrage consiste à appliquer un critère, tel que la corrélation avec le label, pour quantifier la pertinence des variables. Les méthodes de corrélation, comme le coefficient de corrélation de Pearson, mesurent la relation entre les variables et l'étiquette. La séance de cours traite également du coefficient de détermination et de l'information mutuelle en tant qu'outils d'évaluation de la pertinence et de la dépendance variables. Les limites des méthodes de filtrage, telles que le traitement des interactions variables, sont mises en évidence. De plus, l'importance de diviser les données en ensembles de formation, de validation et de test pour l'évaluation des modèles est expliquée.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e·s (2)

Michael Stefan Daniel Liebling

François Fleuret

Source officielle

Concepts associés (27)

Pearson correlation coefficient

In statistics, the Pearson correlation coefficient (PCC) is a correlation coefficient that measures linear correlation between two sets of data. It is the ratio between the covariance of two variables and the product of their standard deviations; thus, it is essentially a normalized measurement of the covariance, such that the result always has a value between −1 and 1. As with covariance itself, the measure can only reflect a linear correlation of variables, and ignores many other types of relationships or correlations.

Corrélation (statistiques)

En probabilités et en statistique, la corrélation entre plusieurs variables aléatoires ou statistiques est une notion de liaison qui contredit leur indépendance. Cette corrélation est très souvent réduite à la corrélation linéaire entre variables quantitatives, c’est-à-dire l’ajustement d’une variable par rapport à l’autre par une relation affine obtenue par régression linéaire. Pour cela, on calcule un coefficient de corrélation linéaire, quotient de leur covariance par le produit de leurs écarts types.

Coefficient of multiple correlation

In statistics, the coefficient of multiple correlation is a measure of how well a given variable can be predicted using a linear function of a set of other variables. It is the correlation between the variable's values and the best predictions that can be computed linearly from the predictive variables. The coefficient of multiple correlation takes values between 0 and 1.

Correlation coefficient

A correlation coefficient is a numerical measure of some type of correlation, meaning a statistical relationship between two variables. The variables may be two columns of a given data set of observations, often called a sample, or two components of a multivariate random variable with a known distribution. Several types of correlation coefficient exist, each with their own definition and own range of usability and characteristics. They all assume values in the range from −1 to +1, where ±1 indicates the strongest possible agreement and 0 the strongest possible disagreement.

Coefficient de détermination

vignette|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.

Afficher plus

Séances de cours associées (36)

Quantifier la dépendance statistique: Covariance et corrélation

Explore la covariance, la corrélation et l'information mutuelle dans la quantification de la dépendance statistique entre les variables aléatoires.

Informations mutuelles sur les données biologiques

Explore l'information mutuelle dans les données biologiques, en mettant l'accent sur son rôle dans la quantification de la dépendance statistique et l'analyse des séquences protéiques.

Concepts de dépendance et Copulas

Explore les concepts de dépendance, les copules, les corrélations fallacieuses et les corrélations de classement dans les statistiques.

Gestion des données : problèmes et distributions

Couvre les problèmes de données courants et les distributions importantes, ainsi que l'analyse des corrélations et des dépendances.

Décrire les données: statistiques et tests d'hypothèse

Couvre les statistiques descriptives, les tests d'hypothèses et l'analyse de corrélation avec diverses distributions de probabilités et des statistiques robustes.

Afficher plus

Concepts associés (27)

Pearson correlation coefficient

Corrélation (statistiques)

Coefficient of multiple correlation

Correlation coefficient

Coefficient de détermination

Afficher plus