Techniques avancées pour l’ajustement de données

L’ajustement de données a pour objet d’associer un modèle mathématique à des données expérimentales ou historiques, par exemple : l’influence d’une dose médicamenteuse, l’usure de matériaux, la consommation énergétique, etc. Cette connaissance permet d’extraire une tendance et une prédiction à partir de données historiques.

Celui-ci peut s’avérer complexe compte-tenu de la plus ou moins bonne connaissance du modèle mathématique, du dimensionnement élevé des données et du bruit. MATLAB, environnement dédié à la manipulation de données, permet d’accéder simplement à des algorithmes d’ajustement et offre la possibilité de gérer ces problématiques grâce à des algorithmes avancés (lowess, régression robuste, lasso, analyse en composantes principales, etc.).

Après une introduction à l’ajustement de données grâce à l’environnement graphique de la Curve Fitting Toolbox, vous découvrirez, au cours de ce webinar, les outils mathématiques proposés par l’environnement MATLAB pour générer des modèles de type black-box, réduire le dimensionnement des données et gérer les valeurs extrêmes.

Vous aurez ainsi, une vision plus précise des différentes techniques d’ajustement paramétriques et non paramétriques et dans quel cas les appliquer.

Ce webinar ne nécessite aucune connaissance particulière en MATLAB.

Points Forts:
* Introduction à l’ajustement de données
* Utilisation de modèles black-box
* Simplification du modèle, en particulier, définition des paramètres importants
* Gestion des points extrêmes