SEMINAIRE DE STATISTIQUE DU CREST
Organisateurs: A. Tsybakov
et P. Alquier.
Lieu: salle S8 de l'ENSAE, voici un plan d'accès.
Jour/heure: lundi
après-midi à 15h00.
Prochains exposés au séminaire:
Lundi 21 mai: Nicolas VAYATIS (ENS Cachan)
Méthodes
non-paramétriques pour le scoring : est-ce que sonne le glas
pour la régression logistique?
Résumé: Alors
que la théorie statistique de l'apprentissage couvre
pratiquement tous les aspects fondamentaux de consistance
et de vitesses de convergence autour des problèmes de
classification et de de régression, très peu de
théorie a été développée
pour justifier les méthodes non-paramétriques dans le
cadre du scoring ou de la régression ordinale. Une
première difficulté est
le caractère fonctionnel de la mesure de performance. En effet,
il faut donner un sens à l'optimisation d'une fonctionnelle
à
valeurs de fonction. Une deuxième difficulté
relève de la nécessité d'étendre le
principe d'agrégation de règles de décision pour
un problème dont la nature intrinsèque est globale. Le
principe du vote majoritaire local ne peut donc s'appliquer tel quel,
or il
est la clé pour construire des règles de décision
robustes dans de nombreux problèmes d'apprentissage, mais aussi
pour superposer
des règles binaires dans le cas multi-classe. Dans
l'exposé, on présentera les principes fondamentaux des
approches non-paramétriques
pour le scoring et on formulera quelques résultats
préliminaires autour de l'agrégation des règles de
scoring.
[Travail en collaboration avec
Stéphan Clémençon (Telecom ParisTech) et Nicolas
Baskiotis, Marine Depecker, Sylvain Robbiano.]
Lundi 11 juin: Karine BERTIN
(Université de Valparaiso) puis Vladimir
KOLTCHINSKII (GeorgiaTech)
TBA
Lundi 18 juin: Oleg LEPSKI
(Université Aix-Marseille)
Attention!!! séance
exceptionnellement en salle 19!!!
Multivariate density estimation under
sup-norm losses: oracle approach and adaptation.
Abstract: We discuss the density estimation on R^d
under sup- norm loss. We
provide with fully data-driven estimation procedure
and establish for it so called
sup-norm oracle inequality. The proposed estimator allows to take into
account not only approximation
properties of the underlying density
but eventual independence structure
as well. Our results contain, as a particular case, the complete
solution of the bandwidth selection
problem in multivariate density
model. Usefulness of the developed approach is illustrated by appli-
cation to adaptive estimation over
anisotropic Nikolskii classes.
Ces séances sont répertoriées dans l'agenda
mathématique. Pour information, voici un
calendrier qui tente de répertorier les
séances à venir pour les séminaires de statistiques
qui ont lieu le lundi après-midi: le séminaire de statistiques du
CREST, SMILE
(Machine
Learning), le séminaire
parisien
de
statistiques à l'IHP, le séminaire "Point
de
Vue" du
LPMA et le groupe
de
travail
de
statistique
de
Jussieu LPMA/LSTA.