Sélection de variables et prévision par des méthodes automatisées pour les modèles linéaires : LASSO/adaLASSO et Autometrics.

Résumé Dans cet article, nous comparons deux approches de méthodes de sélection de modèle pour les modèles de régression linéaire : l'approche classique - Autometrics (sélection automatique générale-spécifique) - et l'apprentissage statistique - LASSO (régularisation ℓ1-norm) et adaLASSO (LASSO adaptatif). Dans une expérience de simulation, en considérant une configuration simple avec des variables candidates orthogonales et des données indépendantes, nous comparons les performances des méthodes concernant le pouvoir prédictif (prévision hors échantillon), la sélection du modèle correct (sélection des variables) et l'estimation des paramètres. Le cas où le nombre de variables candidates dépasse le nombre d'observations est également considéré. Enfin, dans une application utilisant des données génomiques provenant d'une expérience à haut débit, nous comparons le pouvoir prédictif des méthodes pour prédire l'épaisseur de l'épiderme chez les patients psoriasiques.