Wage Modelling & Regression Analysis

Présentation du projet

Une étude de régression réalisée dans le cadre d’un cours, combinant dérivation analytique, descente de gradient et vérifications de reproductibilité.

Une étude de régression transparente utilisant des données salariales et un petit exemple dérivé d’heures supplémentaires. Elle relie dérivation analytique, descente de gradient construite de zéro, mise à l’échelle des caractéristiques et vérifications statistiques. Les améliorations présentées concernent la convergence du calcul, et non la généralisation prédictive ; l’exemple à deux caractéristiques ne contient que dix lignes dérivées.

Au cœur de cette réalisation

• Implémenté en Python des régressions passant par l’origine, avec ordonnée à l’origine et pente, et à deux caractéristiques.
• La description du projet sur LinkedIn rapporte la comparaison de dix taux d’apprentissage communs au moyen de 20 ajustements déterministes.
• La description du projet sur LinkedIn rapporte une réduction des itérations de convergence de 173 à deux et de 401 à 59, dans les tolérances d’erreur indiquées.
• Vérifié les objectifs ajustés par comparaison avec des solutions analytiques de moindres carrés et Minitab.
• Ajouté des tests de reproductibilité et de garde-fous avec des dérivations et sources documentées.

Code source et liens