Régression linéaire généralisée sur composantes supervisées pour les modèles à facteurs latents - Archive ouverte HAL Access content directly
Conference Papers Year : 2021

Régression linéaire généralisée sur composantes supervisées pour les modèles à facteurs latents

Abstract

A l'origine, la Régression Linéaire Généralisée sur Composantes Supervisées (SCGLR) aété conçue pour trouver des composantes explicatives conjointement supervisées par un ensemble de réponses au sein de très nombreuses covariables redondantes, ce qui est nécessaire dans un contexte de grande dimension. Dans ce travail, nous proposons d'étendre la méthode SCGLR dans l'objectif de modéliser la matrice de variance-covariance des réponses de telle sorte que la corrélation entre ces réponses soit principalement expliquée par quelques facteurs. Nous cherchonsà identifier des blocs dans la matrice de variance-covariance pour les réponses partageant des dépendances mutuelles. Dans un cadreécologique par exemple, nous nous intéressons aux relations statistiques entre les présences de différentes espèces. Un algorithme basé sur EM est proposé afin d'estimer le modèle.
Fichier principal
Vignette du fichier
soumission_sfds_2021_Gibaud_Julien.pdf (229.12 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03216210 , version 1 (03-05-2021)

Identifiers

  • HAL Id : hal-03216210 , version 1

Cite

Julien Gibaud, Xavier Bry, Catherine Trottier. Régression linéaire généralisée sur composantes supervisées pour les modèles à facteurs latents. 52èmes Journées de Statistique de la Société Française de Statistique, Jun 2021, Nice, France. pp.408-414. ⟨hal-03216210⟩
66 View
84 Download

Share

Gmail Facebook X LinkedIn More