Lois à priori parcimonieuses et estimation en grande dimension
Abstract
Dans le but d'obtenir des résultats théoriques (inégalités oracle) et de bonnes performances pratiques dans le contexte de l'estimation en grande dimension (et de la sélection de modèle), il est nécessaire de controler la complexité des estimateurs proposés. Dans les travaux PAC-Bayésiens (Catoni, Dalalyan et Tsybakov, ...) ainsi que Bayésiens (par exemple Ghosal, Lember et van der Vaart), une loi \pi a priori sur le paramètre permet ce contrôle.
Origin : Files produced by the author(s)
Loading...