Un peu de technique…

ATLAS est un moteur de modélisation statistique, développé pour traiter les problèmes de modélisation prédictive.

 Basé sur les théories de régularisation statistique, le moteur implémente une dérivation du principe de minimisation du risque structurel décrit par V. Vapnik. L'idée directrice est de minimiser non seulement l'erreur faite sur les données apprises - comme le font les algorithmes standard - mais aussi de prendre en compte l'intervalle de confiance qui peut être borné à l'aide des équations de Vapnik. L'algorithme utilise une technique particulière et propriétaire d'injection contrôlée de bruit dans les données, transparente pour l'utilisateur, qui permet de générer des modèles dont la première qualité est la robustesse.

Pouvant gérer les données bruitées, les variables corrélées ou les valeurs manquantes, les modèles ATLAS sont particulièrement performants pour représenter la plupart des problèmes réels.

 ATLAS : Points clefs

• La formule mathématique du modèle généré est donnée explicitement ce qui permet d'accéder à une meilleure compréhension des phénomènes.
• Les modèles polynomiaux sont faciles à implémenter et très rapides à calculer ce qui permet de concevoir des applications temps réel.
•  ATLAS recherche ses modèles dans la base fonctionnelle des polynômes, ce qui permet, en augmentant l'ordre de la modélisation, de prendre en compte les interactions entre variables, et donc de traiter des phénomènes non-linéaires.