User Tools

Site Tools


members:aguilloux:enseignements:m2upmc

This is an old revision of the document!


Compléments sur les modèles de régression (M2 Statistique UPMC)

Cours

Transparents

TPs

TP 1 : régression linéaire
TP 2 : sélection de variables et pénalisations

Vous pouvez me rendre le TP (pour le 9/11) en me l'envoyant sous format pdf ou html. Attention à bien nommer votre fichier votrenom_TP2. Vous pouvez me le rendre par équipe de 2.

TP 3 : Régression de Poisson
TP 4 : Inflation de zéros

Vous pouvez me rendre le TP (pour le 21/12) en me l'envoyant sous format pdf ou html. Attention à bien nommer votre fichier votrenom_TP4. Vous pouvez me le rendre par équipe de 2.

TP 5 : GAM
TP 6 : Gradient boosting

A data frame with 366 observations on 13 variables, each observation is one day

Usage

data(Ozone) Format

  • 1 Month: 1 = January, …, 12 = December
  • 2 Day of month
  • 3 Day of week: 1 = Monday, …, 7 = Sunday
  • 4 Daily maximum one-hour-average ozone reading
  • 5 500 millibar pressure height (m) measured at Vandenberg AFB
  • 6 Wind speed (mph) at Los Angeles International Airport (LAX)
  • 7 Humidity (%) at LAX
  • 8 Temperature (degrees F) measured at Sandburg, CA
  • 9 Temperature (degrees F) measured at El Monte, CA
  • 10 Inversion base height (feet) at LAX
  • 11 Pressure gradient (mm Hg) from LAX to Daggett, CA
  • 12 Inversion base temperature (degrees F) at LAX
  • 13 Visibility (miles) measured at LAX

Details

The problem is to predict the daily maximum one-hour-average ozone reading (V4).

Challenge

Le challenge pour ce cours est https://challengedata.ens.fr/en/challenge/25/predict_the_crude_oil_production_trend.html.

Vous devez former des équipes de 3 personnes maximum. Vous devrez rendre un rapport de 10 pages maximum (hors annexes) expliquant votre démarche.

Examen 2016-2017

members/aguilloux/enseignements/m2upmc.1513248188.txt.gz · Last modified: 2017/12/14 11:43 by Agathe Guilloux

Page Tools