Référentiel B — capacité IA
Régression linéaire
Architecture
Modèle statistique paramétrique modélisant une relation linéaire entre variables explicatives et une variable cible continue
Capacités clés
- Prédiction d'une variable quantitative continue à partir d'une ou plusieurs variables explicatives
- Interprétabilité forte des coefficients (effet marginal de chaque variable)
- Base mathématique de nombreuses méthodes statistiques et d'apprentissage automatique plus complexes
Usages documentés par secteur
IndustrieTRL non déterminableDiffusion standard
Ajustement d'une relation linéaire entre grandeurs mesurées, en métrologie industrielle et en caractérisation de matériaux
- Métrologie par coordonnées : vérification de la rectitude et de la planéité de pièces
- Sciences des matériaux : caractérisation de la cinétique d'oxydation à haute température
Sources de cet usage
- 1.Régression linéaire — Wikipédiasecondaire
RechercheTRL non déterminableDiffusion standard
Analyse de la relation entre variables dans des études empiriques (économie, sciences sociales, épidémiologie)
- Économétrie : évaluation des rendements de l'éducation, effet du salaire selon les années d'études
- Sciences de l'éducation : effet de la taille des classes sur les performances scolaires
- Climatologie : pluviométrie en fonction de l'altitude dans les Alpes du Nord
Sources de cet usage
- 1.Régression linéaire — Wikipédiasecondaire
Limites connues
Suppose une relation linéaire entre variables et est sensible aux valeurs aberrantes et à la corrélation entre variables explicatives (multicolinéarité) ; inadaptée aux relations non linéaires complexes sans transformation préalable des données.
Débats documentés
Aucune autre fiche du référentiel ne nomme celle-ci, et celle-ci n'en nomme aucune. Ce n'est pas un signe d'accord : c'est un silence documentaire, et il se comble en écrivant les limites de la fiche avec des noms.
Sources
- 1.Régression linéaire — Wikipédiasecondaire
Analyses de gap citant cette fiche
- Thomas Piketty × Régression linéaireMesure historique des inégalités et répartition des gains de l'IA
Fiche humaine : Thomas Piketty
- Management par objectifs (MPO, Drucker) × Régression linéaireManagement par objectifs, mesure de la performance et inférence statistique
Fiche humaine : Management par objectifs (MPO, Drucker)
- John Maynard Keynes × Régression linéaireEstimation empirique des effets d'une politique contracyclique
Fiche humaine : John Maynard Keynes
- GATT × Régression linéaireChiffrage d'impact tarifaire dans une négociation commerciale par cycles
Fiche humaine : GATT
Fiches connexes — Data science / modèles prédictifs
- Arbres de décisionMéthode d'apprentissage automatique classique (algorithmes ID3, C4.5, CART, développés à partir des années 1980)
- AutoencodeursArchitecture de réseau de neurones popularisée à partir des années 1980-1990, largement développée depuis les années 2010
- CNNArchitecture développée notamment par Yann LeCun (LeNet, fin des années 1980-1990), popularisée à grande échelle par AlexNet (2012)
- Forêts aléatoiresMéthode d'ensemble développée notamment par Leo Breiman (2001)
- GANConcept développé par Ian Goodfellow et ses collègues (juin 2014)
- Gradient Boosting (XGBoost/LightGBM/CatBoost)Méthode formalisée par Jerome Friedman (1999). Les implémentations XGBoost, LightGBM et CatBoost qui donnent son nom à la fiche ne sont nommées par aucune source de celle-ci : leurs dates et leurs éditeurs restent à tracer.
- K-MeansAlgorithme classique de partitionnement de données (formalisé par Stuart Lloyd et James MacQueen dans les années 1950-1960)
- K-NNMéthode statistique classique d'apprentissage non paramétrique ; la source citée n'en donne pas la datation
Données brutes de cette fiche : /api/fiches/regression-lineaire — voir la méthodologie.