Résumé 213 :
Régression logistique multivoie
Le Brusquet, Laurent ; Lechuga, Gisela ; Tenenhaus, Arthur
Supélec
Le papier étend la régression logistique aux données multivoie, c'est-à-dire aux données pour lesquelles,
pour chaque individu, plusieurs modalités de la même variable ont été observées. Les données ont ainsi naturellement une structure tensorielle. Pour la régression logistique proposée, les coefficients de la fonction de discrimination sont contraints par une structure tensorielle identique à celle des données. L'intérêt de cette contrainte est double. D'une part elle permet une étude séparée de l'influence des variables et de l'influence des modalités, conduisant ainsi à faciliter l'interprétation du classifieur obtenu. D'autre part, elle permet de restreindre le nombre de coefficients à estimer, et ainsi de limiter à la fois la complexité calculatoire et le phénomène de sur-apprentissage.
La méthode proposée est illustrée sur données simulées.