OFFRE LISEUSES
Une liseuse achetée = une housse offerte* jusqu'au 21 juin
La régression PLS. Théorie et pratique
Par :Formats :
Expédié sous 21 jours
Cet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 16 juilletCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Livraison à domicile ou en point Mondial Relay estimée à partir du 16 juillet
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages254
- FormatGrand Format
- PrésentationBroché
- Poids0.495 kg
- Dimensions16,0 cm × 24,0 cm × 1,6 cm
- ISBN2-7108-0735-1
- EAN9782710807353
- Date de parution04/08/1998
- ÉditeurTechnip (Editions)
Résumé
De nombreux problèmes industriels ou de management peuvent être décrits sous la forme d'un système à entrées-sorties : les variables de sortie Y du système dépendent de variables d'entrée X plus ou moins contrôlables. Il s'agit de comprendre et de décrire les relations souvent très complexes entre X et Y, en l'absence d'un modèle théorique. De nombreux problèmes industriels ou de management peuvent être décrits sous la forme d'un système à entrées-sorties : les variables de sortie Y du système dépendent de variables d'entrée X plus ou moins contrôlables.
Il s'agit de comprendre et de décrire les relations souvent très complexes entre X et Y, en l'absence d'un modèle théorique. La régression PLS (Partial Least Squares) est une méthode d'analyse des données spécifiquement construite pour l'étude de ce type de problème. Elle a été proposée en 1983 par Svante Wold et ses collaborateurs et connaît depuis de grands développements, principalement dans le domaine des industries chimiques, pétrolières et agro-alimentaires.
La régression PLS doit pouvoir s'appliquer à de nombreux domaines avec le même succès qu'en chimie. C'est ce que nous voulons démontrer dans ce livre dont l'objet est de faire le point sur cette méthode, à la fois sur les plans théorique et pratique. Sur le plan théorique, nous avons eu trois objectifs : Situer la régression PLS parmi les méthodes d'association et de prédiction en analyse des données : analyse canonique, analyse factorielle inter-batteries, analyse des redondances, algorithme NIPALS, algorithme SIMPLS et approche PLS.
Décrire l'algorithme de régression PLS dans sa forme originale telle qu'elle est programmée dans des logiciels comme SIMCA ou The Unscrambler. Présenter en détail les principales propriétés mathématiques de la régression PLS car leur connaissance est essentielle pour une bonne utilisation de la méthode. Sur le plan pratique, nous illustrons l'apport de la régression PLS en l'utilisant sur de nombreux exemples tirés de la littérature.
Nous décrivons avec un maximum de détails les sorties du logiciel de référence (SIMCA) à partir de ces exemples. Ainsi, un utilisateur de la régression PLS devrait trouver dans ce livre toute l'aide nécessaire pour une exploitation optimale des résultats.
Il s'agit de comprendre et de décrire les relations souvent très complexes entre X et Y, en l'absence d'un modèle théorique. La régression PLS (Partial Least Squares) est une méthode d'analyse des données spécifiquement construite pour l'étude de ce type de problème. Elle a été proposée en 1983 par Svante Wold et ses collaborateurs et connaît depuis de grands développements, principalement dans le domaine des industries chimiques, pétrolières et agro-alimentaires.
La régression PLS doit pouvoir s'appliquer à de nombreux domaines avec le même succès qu'en chimie. C'est ce que nous voulons démontrer dans ce livre dont l'objet est de faire le point sur cette méthode, à la fois sur les plans théorique et pratique. Sur le plan théorique, nous avons eu trois objectifs : Situer la régression PLS parmi les méthodes d'association et de prédiction en analyse des données : analyse canonique, analyse factorielle inter-batteries, analyse des redondances, algorithme NIPALS, algorithme SIMPLS et approche PLS.
Décrire l'algorithme de régression PLS dans sa forme originale telle qu'elle est programmée dans des logiciels comme SIMCA ou The Unscrambler. Présenter en détail les principales propriétés mathématiques de la régression PLS car leur connaissance est essentielle pour une bonne utilisation de la méthode. Sur le plan pratique, nous illustrons l'apport de la régression PLS en l'utilisant sur de nombreux exemples tirés de la littérature.
Nous décrivons avec un maximum de détails les sorties du logiciel de référence (SIMCA) à partir de ces exemples. Ainsi, un utilisateur de la régression PLS devrait trouver dans ce livre toute l'aide nécessaire pour une exploitation optimale des résultats.