Domain-Tailored Approaches to Statistical Learning

L’objectif de cette these est double. Tout d’abord, elle presente une approche de l’apprentissage statistique qui inclus la connaisance d’un domaine specifique dans le mechanisme d’apprentissage. L’accent est place sur les performance de prediction ainsi que sur l’interpretabilite de la methode proposee. Il est d emontre qu’une telle approche reduit de maniere consequente l’espace des modeles possibles explores. Des exemples numeriques ainsi qu’empirique d emontrent les benefices de la methode proposee. Ensuite, un algorithme d’encapsulation general pour different mechanisme d’apprentissage est presente. Contrairement a la plupart des travaux en apprentissage parcimonieux, cet algorithme delivre un ensemble d’apprenants equivalents en terme de perfomance de prediction. Cet ensemble permet de creer un reseau defacteurs predictifs, et donc une selection de facteurs plus interpretable et replicable. Des exemples empiriques montrent le potentiel de la methode en terme de performance de prediction.