Rappels du modèles de régression linéaire : estimation du minimiser des moindres carrés, espérance et variances des estimateurs
Théorème de Gauss Markov, Théorème de Cochran
Test sur les estimateurs
Validation du modèle (coefficient de détermination, analyse des résidus…)
Choix de sous-modèle
Analyse de variance (un et plusieurs facteurs)
Initiation à un algorithmes de machine à vecteurs de support (multiplicateurs de Lagrange, conditions de Kuhn-Tuker, astuce de noyaux, descente de gradient stochastique).
