Quels sont le coefficient de pente et d'ordonnée à l'origine de correction du biais lors de l'utilisation de la sélection progressive SVEM sur une distribution bêta ?
Il s'agit d'une caractéristique de tous les modèles SVEM, et pas seulement de la distribution bêta.
La raison en est que les modèles SVEM ont tendance à présenter un biais : ils surestiment les valeurs de Y pour les faibles valeurs et les sous-estiment pour les valeurs élevées. Ce biais est flagrant lorsqu'on compare les valeurs réelles et prédites par un modèle SVEM non corrigé. Il s'agit, je crois, d'un exemple du compromis biais-variance que l'on observe également avec les modèles de régression pénalisée.
Notre développement a permis de trouver une solution simple pour corriger ce biais : effectuer une régression linéaire simple de Y en fonction de PredY(SVEM). Les paramètres de pente et d’ordonnée à l’origine de cette régression simple servent à corriger le biais.
J'espère que cela vous aidera.
Il en est brièvement question dans cette présentation du Discovery Summit de 2021 :
SVEM : Apprentissage automatique appliqué au DOE (2021-US-45MP-847) - Communauté des utilisateurs de JMP
Merci Florence, c'est vraiment utile !
