Contributions to statistical learning theory: estimator selection and change-point detection

Sylvain Arlot 1, 2
2 SIERRA - Statistical Machine Learning and Parsimony
DI-ENS - Département d'informatique de l'École normale supérieure, ENS Paris - École normale supérieure - Paris, Inria Paris-Rocquencourt, CNRS - Centre National de la Recherche Scientifique : UMR8548
Résumé : Ce mémoire présente mes contributions principales au problème de sélection d'estimateurs, dans le cadre de la théorie statistique de l'apprentissage. Tout d'abord, une méthodologie générale est présentée pour la construction et l'analyse de procédures de sélection d'estimateurs. Ensuite, sa mise en oeuvre est décrite pour les procédures par validation croisée ou rééchantillonnage, pour la méthode de calibration automatique de pénalités par "pénalités minimales", pour le problème de détection de ruptures, et pour quelques autres problèmes de sélection d'estimateurs.
Type de document :
HDR
Statistics [math.ST]. Université Paris Diderot, 2014
Liste complète des métadonnées

https://tel.archives-ouvertes.fr/tel-01094989
Contributeur : Sylvain Arlot <>
Soumis le : dimanche 14 décembre 2014 - 18:39:34
Dernière modification le : mardi 13 décembre 2016 - 15:43:32
Document(s) archivé(s) le : samedi 15 avril 2017 - 08:44:39

Identifiants

  • HAL Id : tel-01094989, version 1

Collections

Citation

Sylvain Arlot. Contributions to statistical learning theory: estimator selection and change-point detection. Statistics [math.ST]. Université Paris Diderot, 2014. <tel-01094989>

Partager

Métriques

Consultations de
la notice

303

Téléchargements du document

545