StatLearn 2010 - Workshop on "Challenging problems in Statistical Learning"
Share:
Listens: 124
About
L'apprentissage statistique joue de nos jours un rôle croissant dans de nombreux domaines scientifiques et doit de ce fait faire face à des problèmes nouveaux. Il est par conséquent important de proposer des méthodes d'apprentissage statistique adaptées aux problèmes modernes posés par les différents champs d'application. Outre l'importance de la précision des méthodes proposées, elles devront également apporter une meilleure compréhension des phénomènes observés. Afin de faciliter les contacts entre les différentes communautés et de faire ainsi germer de nouvelles idées, un colloquium d'audience internationale (en langue anglaise) sur le thème «Challenging problems in Statistical Learning» a été organisé à l'Université Paris 1 les 28 et 29 janvier 2010. Ce colloquium a été organisé par C. Bouveyron (Laboratoire SAMM, Paris 1) et G. Celeux (Select, INRIA Saclay) avec le soutien de la SFdS. Vous trouverez ci-dessous les enregistrements des exposés donnés lors de ce colloquium. Recommandé à : étudiant de la discipline, chercheur - Catégorie : cours podcast - Année de réalisation : 2012
We first pursue the study of how hierarchy provides a well-adapted tool for the analysis of change. Then, using a time sequence-constrained hierarchic...
Sliced Inverse Regression (SIR) is an effective method for dimension reduction in highdimensional regression problems. The original method, however, r...
Mixture model-based clustering usually assumes that the data arise from a mixture population in order to estimate some hypothetical underlying partiti...
Transactional network data arise in many fields. Although social network models have been applied to transactional data, these models typically assume...
A growing number of applicative fields generate data that are pairwise relations between the objects under study instead of attributes associated to e...
Social network data represent the interactions between a group of social actors. Interactions between colleagues and friendship networks are typical e...
We consider the problem of Gaussian regression (possibly in a high- dimensional setting) when the noise variance is unknown. We propose a procedure wh...
The majority of regularization methods in regression analysis has been designed for metric predictors and can not be used for categorical predictors. ...
We survey some approaches on the approximation of Bayes factors used in Bayesian model choice and propose a new one. Our focus here is on methods that...
Understanding cause-effect relationships between variables is of interest in many fields of science. To effectively address such questions, we need to...
