Domain-Tailored Approaches to Statistical Learning

Diplôme Thèse Domain-Tailored Approaches to Statistical Learning eng 2021-08-25 author Bakalli Gaetan 800347 director Scaillet Olivier 0000-0002-3948-6891 134311 director Guerrier Stéphane 625357 10.13097/archive-ouverte/unige:154513 urn:nbn:ch:unige-1545137 GSEM 104 L'objectif de cette thèse est double. Tout d'abord, elle présente une approche de l'apprentissage statistique qui inclus la connaisance d'un domaine spécifique dans le mechanisme d'apprentissage. L'accent est placé sur les performance de prédiction ainsi que sur l'interprétabilité de la méthode proposée. Il est d ́emontré qu'une telle approche réduit de manière conséquente l'espace des modèles possibles explorés. Des exemples numériques ainsi qu'empirique d ́emontrent les bénéfices de la méthode proposée. Ensuite, un algorithme d'encapsulation général pour différent mechanisme d'apprentissage est présenté. Contrairement à la plupart des travaux en apprentissage parcimonieux, cet algorithme délivre un ensemble d'apprenants équivalents en terme de perfomance de prédiction. Cet ensemble permet de créer un réseau defacteurs prédictifs, et donc une séléction de facteurs plus interprétable et réplicable. Des exemples empiriques montrent le potentiel de la méthode en terme de performance de prédiction. Dewey 330/650 9 Faculté d'économie et de management S false 33909d3f-2295-4501-b9ac-92d8830aed09 Thesis Restricted Domain_Tailored_Approaches_to_Statistical_Learning.pdf 2104873 application/pdf b6e99af39a26774dd2a17bbe0ee6d0a71506ebe7bc9cb66a1021de8ba7e2ae55 restrictedAccess Faculté d'économie et de management

Title	Published in	Access level	OA Policy	Year	Views	Downloads

Domain-Tailored Approaches to Statistical Learning				2021	690	14

Archive ouverte UNIGE

Bakalli, Gaetan