Contenus :

• Notion de qualité d’ajustement ;
• Variation totale de la variable dépendante ;
• Variation expliquée par le modèle ;
• Variation résiduelle ;
• Coefficient de détermination ;
• Interprétation du coefficient de détermination ;
• Relation entre coefficient de corrélation et coefficient de détermination dans la régression simple ;
• Limites du coefficient de détermination ;
• Somme des carrés totale ;
• Somme des carrés expliquée ;
• Somme des carrés résiduelle ;
• Erreur absolue ;
• Erreur absolue moyenne ;
• Erreur quadratique ;
• Erreur quadratique moyenne ;
• Racine de l’erreur quadratique moyenne ;
• Comparaison des mesures d’erreur ;
• Interprétation des erreurs dans les unités de la variable dépendante ;
• Données d’apprentissage ;
• Données de validation ;
• Données de test ;
• Principe de séparation des données ;
• Performance d’ajustement et performance de généralisation ;
• Sous-ajustement ;
• Surajustement ;
• Comparaison de plusieurs modèles ;
• Simplicité et interprétabilité ;
• Choix d’un modèle adapté à l’objectif ;
• Présentation honnête de la performance prédictive.

Objectifs pédagogiques :

• Expliquer la variation expliquée et la variation résiduelle ;
• Calculer et interpréter le coefficient de détermination ;
• Distinguer corrélation et coefficient de détermination ;
• Calculer les principales mesures d’erreur ;
• Interpréter les erreurs dans le contexte du problème ;
• Comparer plusieurs modèles à partir de critères identiques ;
• Comprendre le rôle des données d’apprentissage et de test ;
• Distinguer ajustement et généralisation ;
• Identifier les signes de sous-ajustement et de surajustement ;
• Sélectionner un modèle en tenant compte de sa performance et de sa simplicité ;
• Présenter les performances sans en exagérer la portée.