JdS2012


 English   -  Français  

Résumé de communication



Résumé 82 :

L'approche Support Vector Machine dans le modèle additif de quantiles de régression pour variables explicatives fonctionnelles.
HENCHIRI, Yousri ; Crambes, Christophe ; GANNOUN, Ali
I3M Université Montpellier II, Place Eugène Bataillon, 34095 Montpellier Cedex, France

Dans ce travail, nous nous intéressons à l'estimation des composantes additives de quantiles conditionnels lorsque la variable d'intérêt Y, dont les valeurs appartiennent à un intervalle \zeta de R, dépend d'un vecteur de variables explicatives fonctionnelles, X = (X_{1}(t), ... ,X_{s}(t))^T , s >= 2, où chaqu'une de ces variables est à valeurs dans l'espace L_{2}([0,1]). Nous utilisons la technique d'estimation non-paramétrique Support Vector Machine (SVM). Le point clé de la méthode réside essentiellement dans l'estimation des composantes additives à travers l'utilisation de l'algorithme backfi tting ordinaire en parallèle d'une procédure des moindres carrés itérés pondérés pour la résolution d'un problème de minimisation pénalisé qui ne possède pas de solution explicite. Dans cette procédure, nous fixons les hyper-paramètres du modèle par découpage de l'échantillon en apprentissage et test. Nous appliquons la méthodologie proposée sur un jeu de données simulées.