1. Accueil
  2. Je recherche
  3. Une formation
  4. Méthodes PLS

Référence: 2100818F

/

Mise à jour le

Méthodes PLS

Data Value

Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

Niveau de sortie : Sans Niveau spécifique

Pour cette formation

2 sessions disponibles

Consulter

Objectifs

Extraire l’information utile et pertinente d’un ensemble de données pour lesquels les méthodes classiques sont inopérantes du fait d’un déséquilibre du fichier (plus de colonnes que de lignes, nombre important de données manquantes, redondance significative entre les variables exogènes).
Le but est l’exploration (évaluation de la structure de corrélation, présence de groupes, d'individus atypiques,…) et la modélisation (pouvoir prédire et anticiper le comportement d’un processus industriel ou transactionnel).

Programme

- Méthode NIPALS (Non Iterative Partial Least Square)
  • Présentation de la méthode NIPALS
  • Particularités de cette méthode pour l’analyse des données
  • Utilisation pour les différents outils de l’analyse des données selon les objectifs poursuivis : Exploration, Modélisation, Prédiction
- L’analyse en Composantes principales (A.C.P.)
  • Particularités de l’ACP mise en œuvre avec l’algorithme NIPALS
  • Représentation géométrique
  • Approche algébrique
  • Mise en œuvre
  • Analyse
  • Utilisation des aides à l’interprétation
  • Exemples d’utilisation traités
- La régression PLS
  • Principes de la régression PLS avec l’algorithme NIPALS
  • Avantages par rapport aux méthodes de régression classiques (gestion de la multicolinéarité, des valeurs manquantes, tableaux déséquilibrés avec plus de colonnes que de lignes,…)
  • Régression PLS1 : Présentation de la PLS1, Construction d’un modèle PLS1, Les méthodes de validation internes ou croisées pour le choix du nombre de composantes, Validation externe, Les prévisions, Présentation et utilisation des aides à l’interprétation, Application sur divers exemples traités
  • Régression PLS2 : Présentation de la PLS2, Particularités de la PLS2, Conditions d’utilisation, Construction d’un modèle PLS2, Les méthodes de validation internes ou croisées pour le choix du nombre de composantes, Validation externe, Les prévisions, Présentation et utilisation des aides à l’interprétation, Application sur divers exemples traités
- L’analyse discriminante
  • Types de données et objectifs poursuivis
  • Exploration et identification de groupes
  • Affectation de nouveaux individus : prédiction
  • Méthode SIMCA (Soft Independent Modeling of Class Analogy)
  • Utilisation de l’ACP NIPALS pour l’identification de groupes
  • Règles de discrimination : le Cooman’s plot
  • Mode d’affectation de nouveaux individus ou groupe d’individus
  • Exploration et identification de groupes
  • Application sur divers exemples
  • La régression PLSDA (Discriminant Analysis) : Présentation et particularités de la PLSDA, Conditions d’utilisation, Construction d’un modèle PLSDA, Les méthodes de validation internes ou croisées pour le choix du nombre de composantes, Validation externe, Les prévisions, Présentation et utilisation des aides à l’interprétation, Application sur divers exemples traités
- Applications
  • Analyses de spectres
  • Contrôle de procédés par lots (batch)
  • Contrôle statistique multidimensionnel MSPC
  • Introduction à l’analyse des données OMICS

Certifications et métiers visés

Consulter le diplôme, titre ou certificat... délivrés en fin de formation ainsi que les métiers auxquels cette formation vous donne accès.

Résultats attendus

- Disposer d'une présentation de la méthode NIPALS et de ses particularités afin d'explorer, modéliser et prédire
- Connaître les différents étapes de la méthode l'Analyse en Composantes Principales avec la mise en œuvre de l'algorithme NIPALS
- Découvrir les principes de la méthode de régression PLS avec l'algorithme NIPALS et ses avantages par rapports aux méthodes de régression classiques
- Mettre en œuvre une méthode de régression avec 1 variable dépendante (PLS1) et avec 2 variables dépendantes (PLS2)
- Savoir utiliser l'analyse discriminante basée sur la régression PLS (PLSDA)
- Examiner différents cas d'applications des méthodes PLS

2 sessions : Méthodes PLS

  • au

    Data Value

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    • Commune : Lyon 2e (69)

    Formation professionnelle

  • au

    Data Value

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    • Commune : Lyon 2e (69)

    Formation professionnelle