Apprentissage, Classification et prévision.
L'objectif de ce cours est de fournir aux étudiants les bases géométriques nécessaires à la compréhension de la plupart des méthodes de classification. Nous abordons également la notion d'apprentissage en statistique au travers de différents modèles de classification / régression (arbre, analyse discriminante) et des techniques de prévision associées (taux de mauvaise classification, erreur de prévision, modèles aggrégés, bagging). Environ un tiers des enseignements est effectué sur machine avec l'objectif de mettre en oeuvre l'ensemble des développements théoriques proposés en cours à partir de données simulées ou observées en océanographie. Confronté à de nouvelles données, un étudiant ayant suivi ce cours doit être capable d'orienter ses choix de base en matière de méthodes de classification. Il doit également être capable de comprendre le formalisme d'un ouvrage de statistiques pour approfondir ses connaissances.

Introduction (document pdf)
Contient le document pdf qui permet de motiver ce cours au travers de différents exemples pris en océanographie
Articles scientifiques sur la prévision [15Mo / fichier ZIP]
Ce lien mène vers des articles scientifiques qui abordent les problèmes liés à la prévision en sciences.
programmes R
Ce lien pointe vers un exemple d'Analyse Discriminante et l'illustration des notions d'inertie d'un nuage de points.
rabbit.dat
Ce lien pointe vers un jeu de données en 3D.

berre-tree.txt
Fichier de données Etang de Berre
#oxy : % oxygene dissous, variable à prédire
### Liste des prédicteurs
#dens : densite de l eau
#moyve : moyenne du vent (m/s)
#maxve : maximum vent (m/s)
#deb : debit centrale (m3/s/j)
#debv : debit de la veille
#deb7 : debit cumule (m3/s/semaine)
#deb15 : debit cumule (m3/s/quinzaine)

climato-villes-fr
Contient un fichier sur les données climatiques d'un ensemble de villes françaises (T°, précip., coord. géog.)
.