Polynomial Regression on Riemannian Manifolds Albert Thomas, Florent Renucci
Polynomial Regression on Riemannian Manifolds, presentation, 2012
Jun 29, 2015
D’un point de vue général, la méthode statistique de régression consiste à estimer la relation mathématique entre un ensemble de variables, appelées variables explicatives ou descriptives ou indépendantes, et une variable observée ou mesurée. On cherche donc à déterminer, parmi une certaine classe de fonctions, la fonction qui décrive de façon optimale (en un certain sens) cette relation. La régression polynomiale consiste à estimer la relation entre variables explicatives et données observées à l’aide d’une fonction polynomiale de degré fixé k. Le nombre de paramètres inconnus est alors k + 1 et ils sont le plus souvent estimés en minimisant un critère des moindres carrés, qui est le carré de la distance euclidienne entre les valeurs observées et les valeurs prédites par le modèle polynomial. L’un des problèmes à résoudre dans ce contexte est évidemment le choix du degré du polynôme.
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Polynomial Regression on Riemannian Manifolds
Albert Thomas, Florent Renucci
SommaireIntroductionI - Définition d’un polynôme sur une variété riemannienneII – Intégration - Méthode d’EulerIII – Résultats de l’algorithme sur la sphèreIV – Régression polynomialeV – Application à l’évolution d’un crâne de ratConclusion et discussion
IntroductionObjectif : adapter la régression polynomiale paramétrique aux variétés riemanniennes.
Régression : Etablissement d’un lien entre les variables explicatives et la variable à estimer. déterminer la fonction, parmi une classe de fonctions, qui décrive ce lien de manière optimale.
Critère : moindres carrés.
I - Définition d’un polynôme sur une
variété riemannienneUn polynôme de degré k est entièrement caractérisé par la donnée de :
Par analogie, sur une variété riemannienne munie de la dérivée covariante :
II - Intégration
• Pas de formule explicite : calcul numérique
Conditions initiales :
• Schéma d’Euler
II - Intégration
III - Exemple de la sphère
• Géodésique :
IV – Régression polynomiale
• N observations y1, . . . , yN ∈ M aux temps t1,...,tN.
Calcul du polynôme riemannien. γ de degré k.
Déterminer qui minimisent le critère
Minimiser
sous contraintes
IV – Régression polynomiale
Minimiser sous contraintes
Multiplicateurs de Lagrange, minimisation du lagrangien à l’aide de la méthode des variations.
IV – Régression polynomiale
Critère à minimiser :
: écart par rapport à la valeur prédite par une constante
: somme des carrés des écarts
On peut donc définir par analogie :
V - Croissance d’un crâne de rat
• Kendal shape space
R21 = 0.79
R22 = 0.85
R23 = 0.87
ConclusionPoint positifs :• Définition d’une régression polynomiale sur une
variété• Applications
Critiques :• Choix du degré du polynôme• Choix du pas d’intégration
Related Documents
