Résumé : Cet article propose une méthode de régression non linéaire qui s'appuie sur un modèle intégrant un processus latent qui permet d'activer préférentiellement un modèle de régression polynomial parmi K modèles. L'utilisation d'une fonction logistique comme loi conditionnelle des variables latentes assure une souplesse de transition (lente ou rapide) entre les différents polynômes, ce qui permet d'obtenir une modélisation correcte de non linéarités. L'estimation des paramètres du modèle proposé est effectuée par un algorithme EM dédié. Une étude expérimentale menée sur des données simulées révèle de bonnes performances de la méthode proposée en termes de précision d'estimation, comparée à la méthode de régression polynomiale par morceaux.
Type de document :
Communication dans un congrès
41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009
https://hal.inria.fr/inria-00386702
Contributeur : Conférence Jds2009
<>
Soumis le : vendredi 22 mai 2009 - 09:13:56
Dernière modification le : jeudi 11 janvier 2018 - 06:26:37
Document(s) archivé(s) le : jeudi 10 juin 2010 - 23:38:23
Allou Samé, Faicel Chamroukhi, Gérard Govaert. Modèle à processus latent et algorithme EM pour la régression non linéaire. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. 2009. 〈inria-00386702〉
