Please enable JavaScript.

Coggle requires JavaScript to display documents.

Régression 7440405, Nidal Salima AZZAM Master BDIA 1 2022/2023 -…

- - - - fonction hypothèse h
        veleur d'entrée x ---> valeur de sortie y
        
        fonction de coût
        
        minimiser fonction de coût
        =
        meilleure modélisation
        
        descente de gradient
        = méthode itérative qui vise à prendre la meilleure pente jusqu’au minimum de la fonction de coût
        
        Quoi ?
        
        méthode d'optimisation utilisée pour ajuster les paramètres du modèle afin de minimiser la fonction de coût.
        
        Pourquoi ?
        
        améliorer la précision des prévisions et pour trouver les paramètres optimaux du modèle.
        
        Comment ?
        
        ajuster les paramètres du modèle dans la direction opposée au gradient de la fonction de coût.
        
        Comment ?
        
        définie comme la moyenne des erreurs au carré entre les prévisions du modèle et les observations réelles.
        
        La ligne de meilleure adéquation est déterminée en minimisant les différences entre les valeurs réelles et les valeurs prédites à l'aide d'une technique appelée méthode des moindres carrés.
        
        trouver les meilleurs paramètres (θ0, θ1) de h
        
        meilleure droite pour modéliser notre problème
        
        trouver le minimum de la fonction J
        
        L'équation de la droite peut être exprimée comme suit : Y = a + bX, où Y est la variable dépendante, X est la variable indépendante, "a" représente l'ordonnée à l'origine de Y lorsque X=0 et "b" représente la pente de la droite de régression indiquant combien Y change avec une variation unitaire de X.
        
        1 more item...
        
        Quoi ?
        
        fonction mathématique qui mesure la différence entre les prévisions du modèle et les observations réelles.
        
        erreur induite par la modélisation = que
        l’on fait en approximant nos données
        
        Pourquoi ?
        
        ajuster les paramètres du modèle afin de minimiser cette différence et d'améliorer la précision des prévisions.
    - - utilisée à des fins de prédiction ou de prévision en introduisant de nouvelles valeurs pour X dans cette équation afin d'obtenir la valeur correspondante de Y sur la ligne de régression.
    - - méthode statistique utilisée pour établir une relation entre deux variables.
- - - - peuvent être sensibles aux valeurs aberrantes et nécessitent souvent un examen critique pour interpréter correctement les résultats obtenus.
    - - Ensuite, des coefficients sont estimés pour chaque terme du polynôme en utilisant des méthodes statistiques telles que la méthode des moindres carrés.
        
        Une fois que le modèle a été ajusté aux données, il peut être utilisé pour faire des prévisions ou pour comprendre comment les variables indépendantes influencent la variable dépendante.
  - - - analyse du marché boursier