MML-regression est un langage de programmation dédié à la régression multi-machines. Il permet de définir des modèles de régression, de configurer les algorithmes d'apprentissage, de spécifier les données d'entrée et de valider et évaluer les modèles.

Ce projet est un support de cours pour l'enseignement de la régression et du scoring dans le cadre du cursus Polytech IG5/SIEF. Il contient des références et du contenu pédagogique sur les statistiques et le machine learning, ainsi que des exemples de programmation en R.

Ce projet permet de comparer différentes méthodes de régression à haute dimension, offrant une analyse approfondie des données scientifiques ou industrielles complexes. Il facilite l'évaluation de la performance des modèles de prédiction en fournissant des résultats clairs et précis.

Projet de prédiction de la fréquentation des cantines scolaires de Nantes métropole grâce à l'analyse de données historiques et à la modélisation. L'objectif est de réduire le gaspillage alimentaire en améliorant la prévision de la fréquentation.

TvCoef est un projet d'étude des modèles à coefficients variables dans le contexte des régressions linéaires, en utilisant des méthodes telles que la détection des dates de rupture dans les régressions en pièces, les régressions locales et les modèles à espace d'états.

MDE4RTS est un outil d'analyse d'impact de modifications de code et de sélection de tests de régression pour les projets Maven avec code source Java. Il propose deux approches : une basée sur le modèle, qui exécute les cas de test après l'instrumentation du bytecode et analyse les traces d'exécution pour construire un modèle, et une autre basée sur la trace, qui génère le modèle statique avec MoDisco et écrit les traces d'exécution dans une file d'attente topic-based pour l'analyse d'impact. La sélection de tests de régression peut être effectuée entre le dernier commit git et l'état actuel du code ou entre un commit précédent et l'état actuel du code.

Linearcorrelation est une petite bibliothèque JavaScript permettant de réaliser une régression linéaire et de récupérer les résidus et les résidus normalisés. Elle calcule également les indicateurs de corrélation entre deux variables quantitatives.

Le package rchemo est un outil dédié à l'exploration et à la prédiction de données, avec un focus sur les données à haute dimension et la chimométrie. Il a été initialement conçu pour les modèles de régression et de discrimination PLS (Partial Least Squares) et leurs variantes, avant d'être étendu à de nombreuses autres méthodes pour l'analyse de données à haute dimension.

Ce projet vise à fournir une formation en ligne sur la programmation en Python et l'analyse de données. Les modules couvrent les bases de la programmation, la manipulation de données avec la bibliothèque Pandas, les statistiques descriptives et inférentielles, les modèles avancés de régressions et clustering, et la collecte de données sur internet et l'utilisation d'API.

Ce projet concerne le chapitre 1 d'un ensemble de programmes dédiés à l'apprentissage algorithmique et aux réseaux de neurones. Il propose des exemples de classification d'images à l'aide de différentes librairies, telles que neuralnet, Keras et torch, ainsi qu'une régression pénalisée (Lasso).