Group for Research in Decision Analysis

Sélection de variables objective avec un algorithme génétique parallèle

Jean-François Plante Associate Professor, Department of Decision Sciences, HEC Montréal, Canada

Jean-François Plante

Presentation on YouTube

Il est possible de procéder à la sélection de variables dans un modèle linéaire à l’aide d’algorithmes génétiques qui gèrent l’évolution de populations de modèles selon une fonction d’aptitude (fitness). Avec des univers parallèles, un score d’importance peut être généré pour chaque variable afin de déterminer subjectivement lesquelles conserver à l’aide d’un graphique. En plus de présenter les algorithmes génétiques parallèles pour la sélection de modèle, les auteurs montreront comment ils déterminent la distribution des scores d’importance sous l’hypothèse nulle qu’aucune des variables n’a de pouvoir prédictif. Cela leur permet de déterminer un seuil objectif et automatisable pour la sélection de variables. Ils illustrent leur méthode à l’aide de données réelles et décrivent sa performance avec des résultats de simulation.