S lection de Variables Et Estimateurs de Type Lasso

Le probl me g n ral tudi dans cette th se est celui de la r gression lin aire en grande dimension. On s'int resse particuli rement aux m thodes d'estimation qui capturent la sparsit du param tre cible. Une m thode populaire pour estimer le param tre inconnu de la r gression dans ce contexte est l'estimateur des moindres carr s p nalis s par la norme l1 des coefficients, connu sous le nom de LASSO. Les contributions de cet ouvrage portent sur l’ tude de variantes de l'estimateur LASSO pour prendre en compte soit des informations suppl mentaires sur les variables d'entr e, soit des modes semi-supervis s d'acquisition des donn es. Plus pr cis ment, les questions abord es dans ce travail sont: l'estimation du param tre inconnu lorsque l'espace des variables explicatives a une structure bien d termin e (pr sence de corr lations, structure d'ordre sur les variables ou regroupements entre variables); la construction d'estimateurs adapt s au cadre transductif, pour lequel les nouvelles observations non tiquet es sont prises en consid ration. Ces adaptations sont en partie d duites par une modification de la p nalit dans la d finition de l'estimateur LASSO.