École Nationale Supérieure de
Techniques Avancées

Abstract

Un problème fréquemment abordé en apprentissage statistique est celui de la régression en grande dimension. Autrement dit, le cas où les observations sont moins nombreuses que les variables du problème. Une hypothèse régulièrement usitée dans le cas linéaire est celle de la sparsité du vecteur de régression, c’est à dire qu’il soit creux. On étudie ici des résultats récents sur un estimateur statistique qui s’appelle le SLOPE. Essentiellement, on introduira d’abord ses particularités et la motivation derrière sa construction. En utilisera également un outil théorique qui est l’inégalité d’oracle pour valider ses performances théoriques.