Algorithmes d'apprentissage et modèles statistiques: Un exemple de régression régularisée et de validation croisée pour prédire le décrochage scolaire

Eric Lacourse, Veronique Dupere, Charles-Édouard Giguère, Clémentine Courdi and Samuel Guay
Additional contact information
Eric Lacourse: Université de Montréal
Clémentine Courdi: Université de Montréal

No vxwqf, SocArXiv from Center for Open Science

Abstract: Le chapitre présente les avantages de l'utilisation de la régularisation dans l'analyse de régression linéaire et logistique. Afin d'illustrer les techniques de régularisation, nous donnons un exemple de régression logistique régularisée avec validation croisée cherchant à prédire le décrochage scolaire chez des élèves du secondaire au Québec. Avec 25 variables prédictives et un échantillon simulé de 1000 cas, les résultats de la régression logistique ordinaire sont comparés avec ceux de la régression avec régularisation ridge, lasso et elastic-net.

Date: 2020-08-29
References: Add references at CitEc
Citations:

Downloads: (external link)
https://osf.io/download/5fa81998d1894f00b168eee1/

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:osf:socarx:vxwqf

DOI: 10.31219/osf.io/vxwqf

Access Statistics for this paper

More papers in SocArXiv from Center for Open Science
Bibliographic data for series maintained by OSF ().