Modéliser et prévoir une série temporelle à l’aide des méthodes d’apprentissage statistique

 
  Toutes les formations  Méthodes statistiques
  3 jours       1530       Expert    
Objectifs

Cette formation permet de modéliser et prévoir une série temporelle à l’aide de méthodes d’apprentissages statistique : régression régularisée, GAM, MARS, arbres, SVR, etc. qu’il sera possible d’agréger.


Prérequis

Bonnes connaissances du modèle de régression linéaire. En option : connaissance des modèles ARMA.


Contenu

De nombreuses séries temporelles doivent être modélisées avec conjointement des variables retards et des variables exogènes. Si les modèles ARMAX constituent une alternative réaliste, ces modèles peuvent largement être complétés avec d’autres méthodes de régression issues en partie du monde de l’apprentissage.

Les cas pratiques seront idéalement traités sous R, mais pourront également être mis en œuvre sous Python.

Régression régularisée (Ridge, Lasso, Lars)

Modèle GAM

Modèle MARS

Méthodes locales : k-plus proches voisins et noyau de lissage.

Modèle SVR

Agrégation de modèles.