Régression non paramétrique

La régression non paramétrique est une forme d'analyse de la régression dans lequel le prédicteur, ou fonction d'estimation, ne prend pas de forme prédéterminée, mais est construit selon les informations provenant des données. La régression non paramétrique exige des tailles d'échantillons plus importantes que celles de la régression basée sur des modèles paramétriques parce que les données doivent fournir la structure du modèle ainsi que les estimations du modèle.

Principe général

On dispose de données numériques que l'on suppose corrélées. Une des grandeurs est appelée variable « expliquée » et est notée y, les autres sont regroupées dans une variable dite « explicative » x ; dans l'absolu, x est un vecteur,

x = (x₁, x₂, …, x_m).

On dispose de n situations (n jeux de valeurs) formant un nuage de points

(xⁱ, yⁱ) = (xⁱ₁, xⁱ₂, …, xⁱ_m, yⁱ)

La régression consiste à trouver une fonction, appelée prédicteur

ƒ : ℝ^m → ℝ

x ↦ y

telle que le résidu

rⁱ = yⁱ - ƒ(xⁱ)

soit le « plus petit possible » ; on estime alors que le prédicteur ƒ « décrit bien » les données. On peut ainsi écrire

yⁱ = ƒ(xⁱ) + rⁱ

ou encore

yⁱ ≃ ƒ(xⁱ).

Dans le cas de la régression paramétrique, on part d'un prédicteur ƒ dont la forme générale est connue. C'est une fonction qui s'exprime par un jeu de paramètre p = (p₁, p₂, …, p_k) avec k ≤ n. Le cas le plus simple est celui de la régression linéaire :

ƒ_{p1, p2} = p₁ ⋅ x + p₂,

et l'on cherche à minimiser le résidu quadratique ∑_i (rⁱ)².

Dans le cas de la régression non paramétrique, on ne part pas d'une forme de fonction connue. Le cas le plus simple est celui du lissage d'une courbe : à partir du nuage de points initial, on détermine un nouveau nuage de point présentant des variations moins abruptes (dérivable).

Méthodes de régression non paramétrique

Modèle de régression additif

Le modèle additif consiste à simplifier la recherche du prédicteur en considérant que c'est la somme de m fonctions d'une seule variable :

y = β₀ + ƒ₁(x₁) + ƒ₂(x₂) + … + ƒ_m(x_m)

où les fonctions ƒ_i sont des fonctions « lisses » (dérivables). Chaque fonction ƒ_i est estimée à partir des données.

Il existe des variations autour de ce concept :

• modèle semi-paramétrique : certaines fonctions ƒ_i sont linéaires, ƒ_i = β_ix_i ;
• modèle avec interactions : on introduit dans la somme des fonctions de deux variables ƒ_{i, j}(x_i, x_j).

Régression locale

La régression locale consiste à faire de la régression par parties : on découpe l'espace des variables explicatives en zones, et l'on fait une régression sur chaque zone. La régression au sein d'une zone peut être elle-même paramétrique, la méthode est toutefois tout de même considérée comme non paramétrique. On fait ainsi fréquemment de la régression locale polynomiale ou de la régression locale par spline.

Le prédicteur n'est pas toujours continu, ni a fortiori dérivable ; il n'est que continu par morceaux (et dérivable par morceaux).

Estimation par noyau

La méthode de l'estimation par noyau consiste à considérer un noyau, c'est-à-dire une fonction K symétrique et semi-définie positive (typiquement linéaire, polynomial ou gaussien). Le prédicteur est alors de la forme :

ƒ(x) = ∑_k β_kK(x - X_k)

où les X_k sont des points donnés de l'espace des variables explicatives. Ainsi, contrairement à la régression locale, chaque fonction K(x - X_k) s'étend sur la totalité de l'espace, mais est centrée sur un point X_k donné. Il n'y a donc pas de problème de continuité.

Estimation par projection

On suppose pour simplifier que l'on n'a qu'une variable explicative x, et que x et y sont dans [0 ; 1]. On considère une base orthonormée (φ₁, φ₂, …) de l'espace des applications carré sommables dans [0 ; 1]. On considère une sous-famille finie (φ₁, φ₂, …, φ_k).

La projection orthogonale d'une fonction quelconque g sur φ_i est

$\langle g,\varphi _{i}\rangle =\int _{0}^{1}g(x)\cdot \varphi _{i}(x)\cdot \mathrm {d} x$

dans le cas du prédicteur ƒ, on a l'approximation

$\langle g,\varphi _{i}\rangle \simeq {\frac {1}{n}}\sum _{j=1}^{n}y^{j}\cdot \varphi _{i}(\mathbf {x} ^{j})=\beta _{i}$

et le prédicteur est donc défini par :

ƒ = ∑₁^k β_iφ_i.

On peut par exemple utiliser une base de Fourier ou bien des ondelettes.

Notes et références

• (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Nonparametric regression » (voir la liste des auteurs).

Bibliographie

• Emmanuel Flachaire et Ibrahim Ahamada, Économétrie Non Paramétrique, Economica, coll. « Corpus Économie », 1^er septembre 2008, 1^re éd., 152 p. (ISBN 978-2717856149)
• (en) John Fox et Sanford Weisberg, « Nonparametric Regression in R (web appendix) », dans An R Companion to Applied Regression, Sage, 2010, 2^e éd. (ISBN 978-1412975148, lire en ligne [PDF])

Voir aussi

Liens externes

• [PDF] « Apprentissage non paramétrique en régression », sur WikiStat (Université de Toulouse) (consulté le 6 avril 2016)