École Nationale Supérieure de
Techniques Avancées

Résumé

L’objet de ce projet de recherche concerne la régression linéaire en grande dimension. Dans ce contexte, l’estimateur des moindres carrés pénalisé par la norme L1 du coefficient, connu sous le nom de LASSO, est une méthode couramment utilisée pour estimer le paramètre inconnu de la régression. Cependant, pour des problèmes impliquant un grand nombre de variables explicatives, le calcul du LASSO peut être particulièrement coûteux en termes de temps de calcul et de ressources. C’est pourquoi l’algorithme LARS se présente comme une alternative efficace pour l’estimation des coefficients de LASSO dans ce contexte spécifique. Donc, on va étudier en profondeur l’algorithme LARS existant et proposer une nouvelle approche pour le présenter tout en améliorant ses performances.