La mod\u00e9lisation statistique contemporaine se trouve perp\u00e9tuellement \u00e0 la crois\u00e9e de deux exigences contradictoires : la flexibilit\u00e9 pr\u00e9dictive face \u00e0 la complexit\u00e9 des syst\u00e8mes naturels et l’intelligibilit\u00e9 des m\u00e9canismes sous-jacents. Depuis l’av\u00e8nement des m\u00e9thodes d’apprentissage statistique, les praticiens et chercheurs oscillent traditionnellement entre deux paradigmes distincts. D’un c\u00f4t\u00e9, les mod\u00e8les lin\u00e9aires classiques offrent une interpr\u00e9tabilit\u00e9 imm\u00e9diate au prix d’hypoth\u00e8ses structurelles souvent intenables dans le monde r\u00e9el, telles que l’additivit\u00e9 stricte et la lin\u00e9arit\u00e9 globale. De l’autre c\u00f4t\u00e9, les architectures d’apprentissage automatique contemporaines, \u00e0 l’instar des for\u00eats al\u00e9atoires, des algorithmes de gradient boosting et des r\u00e9seaux de neurones profonds, capturent avec brio les non-lin\u00e9arit\u00e9s arbitraires et les interactions d’ordre \u00e9lev\u00e9, mais op\u00e8rent trop souvent comme des bo\u00eetes noires imp\u00e9n\u00e9trables, r\u00e9fractaires \u00e0 l’inf\u00e9rence causale ou \u00e0 la validation th\u00e9orique rigoureuse.<\/p>\n
Dans ce paysage m\u00e9thodologique polaris\u00e9, les splines de r\u00e9gression adaptative multivari\u00e9e, universellement d\u00e9sign\u00e9es sous l’acronyme MARS (Multivariate Adaptive Regression Splines)<\/a>, incarnent une synth\u00e8se remarquable. Con\u00e7ue pour briser le compromis classique entre interpr\u00e9tabilit\u00e9 et performance pr\u00e9dictive, cette approche non param\u00e9trique s’affranchit des contraintes g\u00e9om\u00e9triques rigides en partitionnant l’espace des covariables en sous-r\u00e9gions interconnect\u00e9es au sein desquelles des fonctions affines par morceaux sont ajust\u00e9es de mani\u00e8re continue. En automatisant simultan\u00e9ment la d\u00e9tection des points de rupture, la s\u00e9lection parcimonieuse des variables pertinentes et l’identification des interactions d’ordre sup\u00e9rieur, l’algorithme permet de mod\u00e9liser des dynamiques de r\u00e9gression hautement non lin\u00e9aires sans succomber \u00e0 l’explosion combinatoire.<\/p>\n Cet article propose une analyse approfondie et syst\u00e9matique des splines de r\u00e9gression adaptative multivari\u00e9e, en abordant aussi bien leurs fondements math\u00e9matiques rigoureux et leur architecture algorithmique que leur mise en \u0153uvre pratique au sein de l’\u00e9cosyst\u00e8me Python moderne. En accordant une attention particuli\u00e8re aux applications empiriques dans les sciences du comportement, la psychom\u00e9trie et l’analyse de donn\u00e9es complexes, nous explorerons comment l’impl\u00e9mentation algorithmique de cette m\u00e9thode permet aux analystes de quantifier des ph\u00e9nom\u00e8nes dynamiques \u00e0 seuils, d’isoler des mod\u00e9rations asym\u00e9triques et de produire des diagnostics statistiques d’une rigueur exemplaire, tout en maintenant une transparence totale sur les \u00e9quations fonctionnelles gouvernant les pr\u00e9dictions.<\/p>\n L’\u00e9mergence des splines de r\u00e9gression adaptative multivari\u00e9e s’inscrit au c\u0153ur des r\u00e9volutions m\u00e9thodologiques qui ont marqu\u00e9 la statistique computationnelle \u00e0 la fin du vingti\u00e8me si\u00e8cle. Introduit en 1991 par le statisticien Jerome H. Friedman dans un article s\u00e9minal publi\u00e9 au sein des Annals of Statistics<\/em>, le mod\u00e8le MARS a \u00e9t\u00e9 d\u00e9velopp\u00e9 pour rem\u00e9dier aux carences structurelles des mod\u00e8les additifs g\u00e9n\u00e9ralis\u00e9s (GAM) th\u00e9oris\u00e9s par Trevor Hastie et Robert Tibshirani. Si les GAM repr\u00e9sentaient une avanc\u00e9e majeure en permettant d’estimer des fonctions de lissage non param\u00e9triques pour chaque variable ind\u00e9pendante, ils souffraient d’une limitation r\u00e9dhibitoire : l’incapacit\u00e9 native \u00e0 capturer automatiquement les interactions complexes entre pr\u00e9dicteurs sans que l’utilisateur ne doive sp\u00e9cifier a priori la structure de ces interd\u00e9pendances.<\/p>\n Face \u00e0 ce d\u00e9fi, la r\u00e9gression polynomiale classique et l’estimation par noyau se heurtaient violemment au fl\u00e9au de la dimension th\u00e9oris\u00e9 par Richard Bellman. D\u00e8s lors que le nombre de covariables augmente, la densit\u00e9 de l’\u00e9chantillon d\u00e9cro\u00eet de fa\u00e7on exponentielle au sein de l’espace vectoriel, rendant l’estimation locale des densit\u00e9s ou des surfaces de r\u00e9ponse hautement instable, voire math\u00e9matiquement ind\u00e9termin\u00e9e. Friedman a cherch\u00e9 \u00e0 concevoir une technique capable d’op\u00e9rer en grande dimension tout en concentrant sa puissance de calcul uniquement sur les sous-espaces informatifs o\u00f9 des variations fonctionnelles r\u00e9elles se manifestent.<\/p>\n L’innovation fondamentale de Friedman a consist\u00e9 \u00e0 jeter un pont conceptuel et algorithmique entre deux univers alors disjoints : la r\u00e9gression param\u00e9trique continue et les arbres de d\u00e9cision r\u00e9cursifs tels que CART (Classification and Regression Trees)<\/a> d\u00e9velopp\u00e9s par Leo Breiman et ses collaborateurs. Alors que les arbres CART partitionnent l’espace des donn\u00e9es par des coupures orthogonales successives g\u00e9n\u00e9rant des surfaces pr\u00e9dictives disjointes et discontinues en marches d’escalier, MARS substitue \u00e0 ces discontinuit\u00e9s des fonctions lin\u00e9aires par morceaux reli\u00e9es de fa\u00e7on continue. Ce faisant, l’algorithme h\u00e9rite de la puissance adaptative de d\u00e9coupage spatial propre aux arbres, tout en pr\u00e9servant la r\u00e9gularit\u00e9 analytique, la d\u00e9rivabilit\u00e9 presque partout et la puissance inf\u00e9rentielle caract\u00e9ristiques des mod\u00e8les bas\u00e9s sur des fonctions splines.<\/p>\n La compr\u00e9hension du fonctionnement de MARS repose sur l’assimilation d’un vocabulaire math\u00e9matique pr\u00e9cis. Au c\u0153ur du mod\u00e8le r\u00e9side la notion de fonction de base par morceaux, plus commun\u00e9ment qualifi\u00e9e de fonction charni\u00e8re ou fonction miroir. Contrairement aux approches globales qui tentent d’ajuster une courbe unique \u00e0 l’ensemble du domaine de d\u00e9finition d’une variable, MARS fragmente ce domaine en segments autonomes d\u00e9limit\u00e9s par des points d’inflexion appel\u00e9s n\u0153uds (ou knots<\/em> en anglais). En ces n\u0153uds pr\u00e9cis, le comportement marginal de la relation statistique subit une modification structurelle de sa pente, capturant ainsi des ph\u00e9nom\u00e8nes de saturation, d’acc\u00e9l\u00e9ration ou d’inversion de tendance.<\/p>\n Cette approche mat\u00e9rialise l’affrontement paradigmatique entre la flexibilit\u00e9 locale et la rigidit\u00e9 globale. Les mod\u00e8les de r\u00e9gression traditionnels imposent une rigidit\u00e9 qui p\u00e9nalise lourdement l’estimation : modifier la distribution d’observations situ\u00e9es \u00e0 l’extr\u00e9mit\u00e9 droite d’une variable ind\u00e9pendante perturbe l’ajustement global de la courbe sur l’ensemble de l’\u00e9chantillon. \u00c0 l’inverse, l’ajustement par splines tronqu\u00e9es adopt\u00e9 par MARS garantit que les ajustements apport\u00e9s \u00e0 une r\u00e9gion sp\u00e9cifique de l’espace n’affectent pas la dynamique des segments adjacents, octroyant au mod\u00e8le une r\u00e9activit\u00e9 locale sans pr\u00e9c\u00e9dent tout en maintenant la continuit\u00e9 topologique aux fronti\u00e8res des n\u0153uds.<\/p>\n Il convient de distinguer nettement les fonctions charni\u00e8res tronqu\u00e9es utilis\u00e9es par MARS des polyn\u00f4mes classiques ou des splines cubiques traditionnelles. Si la r\u00e9gression polynomiale de degr\u00e9 \u00e9lev\u00e9 g\u00e9n\u00e8re notoirement des oscillations parasites ind\u00e9sirables aux extr\u00e9mit\u00e9s du domaine de d\u00e9finition, ph\u00e9nom\u00e8ne math\u00e9matique connu sous le nom de ph\u00e9nom\u00e8ne de Runge, les splines tronqu\u00e9es de degr\u00e9 un employ\u00e9es par MARS se caract\u00e9risent par une stabilit\u00e9 num\u00e9rique remarquable. L’\u00e9quation de pr\u00e9diction r\u00e9sultante est une somme pond\u00e9r\u00e9e de ces transformations g\u00e9om\u00e9triques simples, ce qui permet de d\u00e9composer l’architecture globale en une s\u00e9rie de r\u00e9gimes lin\u00e9aires contigus dont l’\u00e9valuation analytique demeure imm\u00e9diate et transparente.<\/p>\n L’int\u00e9r\u00eat soutenu pour l’algorithme MARS au sein de la recherche quantitative s’explique par un ensemble d’avantages comparatifs d\u00e9cisifs par rapport aux m\u00e9thodologies concurrentes. Le premier de ces atouts r\u00e9side dans sa capacit\u00e9 intrins\u00e8que \u00e0 r\u00e9aliser une s\u00e9lection automatique de variables (feature selection<\/em>). Lors de son ex\u00e9cution, l’algorithme \u00e9value l’ensemble des pr\u00e9dicteurs disponibles et \u00e9limine purement et simplement de l’\u00e9quation finale ceux qui n’apportent aucun gain substantiel d’ajustement. Cette parcimonie native immunise l’analyste contre l’\u00e9cueil de la multicolin\u00e9arit\u00e9 et r\u00e9duit drastiquement la dimensionnalit\u00e9 effective du probl\u00e8me \u00e9tudi\u00e9 sans n\u00e9cessiter de transformations projectives pr\u00e9alables qui alt\u00e9reraient le sens physique des variables, comme le ferait une analyse en composantes principales.<\/p>\n Le second avantage r\u00e9side dans le niveau exceptionnel d’interpr\u00e9tabilit\u00e9 des coefficients issus de l’estimation. Contrairement aux m\u00e9thodes d’apprentissage profond ou aux for\u00eats al\u00e9atoires dont le fonctionnement interne s’apparente \u00e0 une cartographie opaque de millions de param\u00e8tres enchev\u00eatr\u00e9s, un mod\u00e8le MARS s’exprime sous la forme explicite d’une \u00e9quation analytique standardis\u00e9e. Chaque coefficient associ\u00e9 \u00e0 une fonction charni\u00e8re quantifie pr\u00e9cis\u00e9ment le changement de pente marginal survenant au franchissement d’un seuil critique donn\u00e9. Cette propri\u00e9t\u00e9 est inestimable pour les chercheurs, car elle permet de traduire directement les r\u00e9sultats math\u00e9matiques en lois empiriques v\u00e9rifiables et en recommandations op\u00e9rationnelles quantifiables.<\/p>\n Enfin, MARS excelle dans la prise en compte des relations par paliers, des non-lin\u00e9arit\u00e9s asym\u00e9triques et des discontinuit\u00e9s de pente qui abondent dans les syst\u00e8mes dynamiques naturels et sociaux. L\u00e0 o\u00f9 un mod\u00e8le lin\u00e9aire forcerait une trajectoire moyenne artificielle et masquerait des r\u00e9alit\u00e9s sous-jacentes d’amortissement ou de d\u00e9gradation soudaine, MARS isole les changements structurels sans n\u00e9cessiter la formulation d’hypoth\u00e8ses d\u00e9terministes pr\u00e9alables quant \u00e0 la position des points de rupture, transformant l’identification des seuils empiriques en un processus purement data-driven.<\/p>\n L’\u00e9l\u00e9ment atomique de construction du mod\u00e8le MARS est la fonction de base univari\u00e9e tronqu\u00e9e au premier degr\u00e9, formellement d\u00e9sign\u00e9e comme fonction charni\u00e8re (hinge function<\/em>). Pour tout pr\u00e9dicteur continu not\u00e9 x<\/em> et pour tout point de rupture observ\u00e9 ou potentiel not\u00e9 t<\/em>, l’espace fonctionnel est structur\u00e9 \u00e0 l’aide de paires sym\u00e9triques compl\u00e9mentaires. La formulation analytique de ces paires s’\u00e9nonce comme suit :<\/p>\n h(x – t) = max(0, x – t)<\/p>\n h(t – x) = max(0, t – x)<\/p>\n Sur le plan g\u00e9om\u00e9trique, la fonction max(0, x – t)<\/em> est rigoureusement nulle pour toutes les valeurs de la variable x<\/em> inf\u00e9rieures ou \u00e9gales au seuil t<\/em>, puis adopte une trajectoire lin\u00e9aire de pente unitaire pour toute valeur strictement sup\u00e9rieure \u00e0 t<\/em>. Sym\u00e9triquement, la fonction max(0, t – x)<\/em> prend une valeur strictement d\u00e9croissante de pente n\u00e9gative lorsque x<\/em> est inf\u00e9rieur \u00e0 t<\/em>, pour s’annuler totalement d\u00e8s lors que x<\/em> d\u00e9passe ce m\u00eame seuil. La constante t<\/em> joue le r\u00f4le fondamental de n\u0153ud d’inflexion (knot<\/em>), d\u00e9limitant la fronti\u00e8re g\u00e9om\u00e9trique entre deux r\u00e9gimes d’influence distincts du pr\u00e9dicteur sur la variable d\u00e9pendante.<\/p>\n Ces fonctions poss\u00e8dent des propri\u00e9t\u00e9s analytiques fondamentales pour la mod\u00e9lisation statistique. Bien que leur d\u00e9riv\u00e9e premi\u00e8re pr\u00e9sente une discontinuit\u00e9 ponctuelle au point exact x = t<\/em>, la fonction charni\u00e8re elle-m\u00eame est continue sur l’int\u00e9gralit\u00e9 de la droite r\u00e9elle. En combinant lin\u00e9airement plusieurs paires de charni\u00e8res associ\u00e9es \u00e0 des seuils d’inflexion diff\u00e9rents, l’algorithme g\u00e9n\u00e8re une fonction globale continue par morceaux capable d’\u00e9pouser des topologies arbitrairement complexes. La surface de r\u00e9gression r\u00e9sultante ne pr\u00e9sente aucune faille ni rupture brutale, garantissant des transitions progressives parfaitement coh\u00e9rentes avec la mod\u00e9lisation de processus physiques ou psychologiques continus.<\/p>\n L’une des perc\u00e9es th\u00e9oriques majeures de Friedman r\u00e9side dans l’extension de l’espace des fonctions de base univari\u00e9es \u00e0 des espaces multidimensionnels par l’application de produits tensoriels. Dans le cadre de MARS, une interaction statistique entre deux pr\u00e9dicteurs distincts x1<\/sub><\/em> et x2<\/sub><\/em> n’est pas mod\u00e9lis\u00e9e par le simple produit arithm\u00e9tique de leurs valeurs brutes (comme c’est le cas dans la r\u00e9gression lin\u00e9aire multivari\u00e9e classique), mais par le produit de deux fonctions charni\u00e8res pr\u00e9alablement s\u00e9lectionn\u00e9es. L’expression analytique d’un terme d’interaction bilat\u00e9rale prend ainsi la forme suivante :<\/p>\n Bm<\/sub>(x) = max(0, x1<\/sub> – t1<\/sub>) × max(0, t2<\/sub> – x2<\/sub>)<\/p>\n Une telle formulation autorise le mod\u00e8le \u00e0 restreindre l’effet d’une interaction \u00e0 un quadrant sp\u00e9cifique de l’espace vectoriel bidimensionnel. L’effet mod\u00e9rateur de la seconde variable ne s’exprime que si et seulement si la premi\u00e8re variable d\u00e9passe le seuil t1<\/sub><\/em>, et que simultan\u00e9ment la seconde se situe sous le seuil t2<\/sub><\/em>. Dans le reste de l’espace, la fonction de base s’annule identiquement, emp\u00eachant ainsi des artefacts num\u00e9riques lointains de fausser l’ajustement local. Cette propri\u00e9t\u00e9 de localisation conjointe conf\u00e8re \u00e0 MARS une acuit\u00e9 remarquable pour isoler des dynamiques de mod\u00e9ration contextuelles tr\u00e8s pr\u00e9cises.<\/p>\n Le mod\u00e8le global complet se formalise sous la forme d’un d\u00e9veloppement en s\u00e9rie de fonctions de base multivari\u00e9es, pond\u00e9r\u00e9es par des coefficients lin\u00e9aires estim\u00e9s par les moindres carr\u00e9s ordinaires :<\/p>\n f(X) = β0<\/sub> + ∑m=1…M<\/sub> βm<\/sub> Bm<\/sub>(X)<\/p>\n o\u00f9 β0<\/sub><\/em> repr\u00e9sente l’ordonn\u00e9e \u00e0 l’origine (ou constante globale du mod\u00e8le), Bm<\/sub>(X)<\/em> symbolise soit une fonction charni\u00e8re simple univari\u00e9e, soit un produit de plusieurs fonctions charni\u00e8res impliquant des pr\u00e9dicteurs distincts, et βm<\/sub><\/em> est le coefficient de r\u00e9gression lin\u00e9aire associ\u00e9. Afin de conjurer l’explosion combinatoire qui r\u00e9sulterait du calcul de produits tensoriels d’ordre infini, l’algorithme int\u00e8gre une contrainte param\u00e9trique stricte limitant le degr\u00e9 maximal d’interaction \u00e0 une valeur d<\/em> (g\u00e9n\u00e9ralement fix\u00e9e \u00e0 un pour les mod\u00e8les purement additifs, ou \u00e0 deux pour autoriser les interactions binaires standard).<\/p>\n L’estimation des param\u00e8tres lin\u00e9aires βm<\/sub><\/em> d’un mod\u00e8le MARS s’effectue via l’optimisation classique de la somme des r\u00e9sidus au carr\u00e9. Cependant, le positionnement strat\u00e9gique des n\u0153uds t<\/em> et la s\u00e9lection s\u00e9quentielle des termes de base transforment le processus en un probl\u00e8me d’optimisation combinatoire non lin\u00e9aire. Pour r\u00e9guler l’arbitrage fondamental entre le biais empirique (la capacit\u00e9 du mod\u00e8le \u00e0 \u00e9pouser fid\u00e8lement les variations de l’\u00e9chantillon d’apprentissage) et la variance d’\u00e9chantillonnage (le risque de surajustement aux fluctuations al\u00e9atoires du bruit statistique), MARS s’appuie sur une formalisation math\u00e9matique \u00e9l\u00e9gante : le crit\u00e8re de validation crois\u00e9e g\u00e9n\u00e9ralis\u00e9e (GCV, pour Generalized Cross-Validation<\/em>), formul\u00e9 initialement par Grace Wahba<\/a>.<\/p>\n Le crit\u00e8re GCV permet d’estimer l’erreur quadratique moyenne de pr\u00e9diction hors-\u00e9chantillon sans exiger la r\u00e9-estimation computationnellement prohibitive du mod\u00e8le sur de multiples sous-\u00e9chantillons physiques. Son expression analytique est d\u00e9finie par le quotient :<\/p>\n GCV(M) = [ (1 \/ N) ∑i=1…N<\/sub> (yi<\/sub> – fM<\/sub>(xi<\/sub>))2<\/sup> ] \/ [ 1 – (C(M) \/ N) ]2<\/sup><\/p>\n Le num\u00e9rateur correspond directement \u00e0 l’erreur quadratique moyenne empirique calcul\u00e9e sur les N<\/em> observations de l’\u00e9chantillon d’apprentissage pour un mod\u00e8le contenant M<\/em> termes de base. Le d\u00e9nominateur introduit une p\u00e9nalit\u00e9 math\u00e9matique s\u00e9v\u00e8re qui d\u00e9cro\u00eet lorsque la complexit\u00e9 effective du mod\u00e8le augmente, gonflant ainsi artificiellement la valeur du crit\u00e8re si l’ajout de termes suppl\u00e9mentaires n’induit pas une baisse substantielle des r\u00e9sidus. La fonction de complexit\u00e9 effective C(M)<\/em> est mod\u00e9lis\u00e9e par l’\u00e9quation lin\u00e9aire :<\/p>\n C(M) = r + d × K<\/p>\n Dans cette formulation, r<\/em> repr\u00e9sente le nombre de termes de base lin\u00e9airement ind\u00e9pendants incorpor\u00e9s dans le mod\u00e8le, K<\/em> d\u00e9signe le nombre total de n\u0153uds d’inflexion s\u00e9lectionn\u00e9s lors de la construction des fonctions charni\u00e8res, et d<\/em> constitue un hyperparam\u00e8tre de p\u00e9nalisation repr\u00e9sentant le co\u00fbt effectif allou\u00e9 \u00e0 l’optimisation de chaque n\u0153ud. Friedman a d\u00e9montr\u00e9 empiriquement qu’une valeur de d<\/em> comprise entre deux et quatre p\u00e9nalise de mani\u00e8re optimale le choix d’un seuil par rapport \u00e0 un param\u00e8tre de r\u00e9gression classique, compensant le fait que l’emplacement optimal du n\u0153ud a \u00e9t\u00e9 extrait apr\u00e8s une recherche exhaustive parmi toutes les valeurs observ\u00e9es des pr\u00e9dicteurs.<\/p>\n L’identification de l’architecture optimale d’un mod\u00e8le MARS proc\u00e8de par une d\u00e9marche en deux temps, rigoureusement sym\u00e9trique \u00e0 la m\u00e9thodologie constructive des arbres de classification et de r\u00e9gression. La premi\u00e8re \u00e9tape consiste en une phase d’expansion s\u00e9quentielle ascendante, commun\u00e9ment appel\u00e9e la passe avant (forward pass<\/em>). L’algorithme initialise l’\u00e9quation avec un terme unique, la constante B0<\/sub>(X) = 1<\/em>, repr\u00e9sentant la moyenne arithm\u00e9tique globale de la variable d\u00e9pendante. \u00c0 ce stade initial, la variance r\u00e9siduelle est maximale.<\/p>\n \u00c0 chaque it\u00e9ration de la passe ascendante, l’algorithme scrute de mani\u00e8re exhaustive l’ensemble des termes de base d\u00e9j\u00e0 admis dans le mod\u00e8le, l’ensemble des pr\u00e9dicteurs disponibles dans la matrice de conception, et l’ensemble des valeurs num\u00e9riques prises par ces pr\u00e9dicteurs au sein de l’\u00e9chantillon. Pour chaque combinaison possible, il \u00e9value l’adjonction potentielle d’une nouvelle paire de fonctions charni\u00e8res compl\u00e9mentaires associ\u00e9es \u00e0 un pr\u00e9dicteur xv<\/sub><\/em> et un n\u0153ud t<\/em> :<\/p>\n { Bi<\/sub>(X) × max(0, xv<\/sub> – t) , Bi<\/sub>(X) × max(0, t – xv<\/sub>) }<\/p>\n Cette paire candidate est provisoirement int\u00e9gr\u00e9e au mod\u00e8le, les nouveaux coefficients de l’ensemble des termes sont estim\u00e9s simultan\u00e9ment par la r\u00e9solution des \u00e9quations normales des moindres carr\u00e9s ordinaires, et la r\u00e9duction induite de la somme des carr\u00e9s des r\u00e9sidus (RSS) est calcul\u00e9e. L’algorithme s\u00e9lectionne inconditionnellement la paire de fonctions qui maximise la d\u00e9croissance de l’erreur empirique, l’ajoute d\u00e9finitivement au pool de termes actifs, et r\u00e9it\u00e8re ce balayage combinatoire.<\/p>\n Cette phase ascendante poursuit son ex\u00e9cution de fa\u00e7on d\u00e9lib\u00e9r\u00e9ment agressive jusqu’\u00e0 ce qu’un crit\u00e8re d’arr\u00eat pr\u00e9d\u00e9fini soit atteint, le plus commun \u00e9tant la saturation du nombre maximal de termes autoris\u00e9s (sp\u00e9cifi\u00e9 par l’utilisateur via un param\u00e8tre de configuration) ou une d\u00e9croissance relative de l’erreur r\u00e9siduelle tombant en de\u00e7\u00e0 d’un seuil infinit\u00e9simal. Au terme de cette phase, le mod\u00e8le se trouve dans un \u00e9tat manifeste de surapprentissage (overfitting<\/em>). Il incorpore une multiplicit\u00e9 de n\u0153uds hyper-sp\u00e9cifiques dont certains capturent des structures locales latentes tout \u00e0 fait l\u00e9gitimes, tandis que d’autres s’ajustent aveugl\u00e9ment \u00e0 des fluctuations stochastiques propres \u00e0 l’\u00e9chantillon analys\u00e9.<\/p>\n Une fois le mod\u00e8le satur\u00e9 par la passe avant, la seconde phase de l’algorithme prend le relais : il s’agit de la phase d’\u00e9lagage descendant ou passe arri\u00e8re (backward pruning<\/em>). Cette \u00e9tape a pour mission de purger le mod\u00e8le surd\u00e9termin\u00e9 de ses composantes superflues afin de maximiser sa capacit\u00e9 de g\u00e9n\u00e9ralisation statistique hors-\u00e9chantillon. Le processus d’\u00e9lagage ne proc\u00e8de pas par r\u00e9version sym\u00e9trique de l’ordre d’introduction des termes, mais adopte une d\u00e9marche d’optimisation globale \u00e0 rebours.<\/p>\n \u00c0 chaque \u00e9tape de l’\u00e9lagage descendant, l’algorithme teste la suppression isol\u00e9e de chacun des termes de base actuellement pr\u00e9sents dans le mod\u00e8le. Contrairement \u00e0 la passe avant qui ajoute les fonctions charni\u00e8res par paires ins\u00e9parables, la passe arri\u00e8re est libre d’\u00e9liminer une charni\u00e8re unilat\u00e9rale tout en conservant son pendant sym\u00e9trique, si les donn\u00e9es indiquent qu’un seul c\u00f4t\u00e9 du seuil d’inflexion est statistiquement informatif. L’impact de la suppression de chaque terme est quantifi\u00e9 par le recalcul du crit\u00e8re de validation crois\u00e9e g\u00e9n\u00e9ralis\u00e9e (GCV). Le terme dont l’\u00e9limination produit la plus forte diminution du GCV (ou la plus faible augmentation si aucune r\u00e9duction n’est constatable) est irr\u00e9m\u00e9diablement retir\u00e9 de l’\u00e9quation.<\/p>\n Ce processus de suppression s\u00e9quentielle g\u00e9n\u00e8re une trajectoire descendante compl\u00e8te, jalonn\u00e9e par une succession de sous-mod\u00e8les embo\u00eet\u00e9s allant du mod\u00e8le satur\u00e9 initial jusqu’au mod\u00e8le nul ne contenant que la constante d’interception. Enfin, l’algorithme compare les valeurs de GCV associ\u00e9es \u00e0 chacun de ces sous-mod\u00e8les optimis\u00e9s et s\u00e9lectionne d\u00e9finitivement l’architecture qui minimise formellement le crit\u00e8re GCV global. Cette sous-architecture repr\u00e9sente le compromis math\u00e9matiquement optimal entre la parcimonie structurelle et la puissance d’ajustement empirique.<\/p>\n L’\u00e9l\u00e9gance th\u00e9orique de l’algorithme MARS s’accompagne d’une exigence calculatoire substantielle qu’il importe de caract\u00e9riser formellement. La complexit\u00e9 temporelle th\u00e9orique de la phase ascendante est born\u00e9e par un ordre de grandeur en notation asymptotique :<\/p>\n O(N × D × Bmax<\/sub>3<\/sup>)<\/p>\n o\u00f9 N<\/em> symbolise la taille volum\u00e9trique de l’\u00e9chantillon (nombre d’observations), D<\/em> repr\u00e9sente le nombre de pr\u00e9dicteurs initiaux (dimensionnalit\u00e9 du probl\u00e8me), et Bmax<\/sub><\/em> d\u00e9signe le plafond de complexit\u00e9 fix\u00e9 pour le nombre maximal de termes de base g\u00e9n\u00e9r\u00e9s durant la passe avant. La d\u00e9pendance lin\u00e9aire vis-\u00e0-vis du nombre d’observations et du nombre de pr\u00e9dicteurs conf\u00e8re \u00e0 MARS une excellente scalabilit\u00e9 par rapport \u00e0 des m\u00e9thodes purement non param\u00e9triques \u00e0 noyaux, dont la complexit\u00e9 explose classiquement de mani\u00e8re quadratique ou cubique par rapport \u00e0 la taille de l’\u00e9chantillon.<\/p>\n Toutefois, la recherche exhaustive des n\u0153uds potentiels implique l’\u00e9valuation de chaque valeur d’observation comme seuil candidat pour chaque variable. Pour att\u00e9nuer ce co\u00fbt computationnel, les impl\u00e9mentations logicielles de r\u00e9f\u00e9rence int\u00e8grent des optimisations num\u00e9riques avanc\u00e9es. D’une part, les pr\u00e9dicteurs continus sont pr\u00e9alablement ordonn\u00e9s, permettant une mise \u00e0 jour r\u00e9cursive instantan\u00e9e des sommes vectorielles lors du d\u00e9placement du curseur de seuil d’une observation \u00e0 la suivante. D’autre part, des techniques de factorisation matricielle de type Cholesky ou QR avec mise \u00e0 jour incr\u00e9mentale de rang un sont appliqu\u00e9es pour r\u00e9estimer les coefficients des moindres carr\u00e9s sans r\u00e9inverser l’int\u00e9gralit\u00e9 de la matrice de conception \u00e0 chaque pas d’it\u00e9ration.<\/p>\n Un autre d\u00e9fi algorithmique fondamental r\u00e9side dans la gestion de la colin\u00e9arit\u00e9 induite par la cr\u00e9ation de fonctions charni\u00e8res mutuellement d\u00e9pendantes ou g\u00e9om\u00e9triquement chevauchantes. L’algorithme int\u00e8gre des seuils de tol\u00e9rance num\u00e9rique stricte vis-\u00e0-vis du conditionnement matriciel. Si l’ajout d’une fonction de base engendre une quasi-singularit\u00e9 de la matrice des variables ind\u00e9pendantes reconstruites, celle-ci est automatiquement rejet\u00e9e pour pr\u00e9server la stabilit\u00e9 asymptotique de l’estimation num\u00e9rique et pr\u00e9venir les explosions d’erreurs de troncature flottante.<\/p>\n La recherche en sciences comportementales, cognitives et neuropsychologiques est confront\u00e9e de mani\u00e8re r\u00e9currente \u00e0 des processus adaptatifs non lin\u00e9aires pour lesquels les mod\u00e8les de r\u00e9gression classiques s’av\u00e8rent structurellement inadapt\u00e9s. L’un des arch\u00e9types th\u00e9oriques les plus illustres est incarn\u00e9 par la loi de Yerkes-Dodson<\/a>, postulant une relation non monotone en cloche (ou en U invers\u00e9) entre le niveau d’\u00e9veil physiologique (ou stress) et la performance cognitive. Bien que traditionnellement mod\u00e9lis\u00e9e par l’introduction ad hoc<\/em> d’un terme quadratique au sein d’une r\u00e9gression polynomiale, cette approche classique impose une sym\u00e9trie math\u00e9matique rigide et artificielle entre la phase d’optimisation de la performance et sa d\u00e9gradation ult\u00e9rieure.<\/p>\n L’utilisation de MARS r\u00e9volutionne ce paradigme en permettant l’\u00e9mergence totalement inductive et asym\u00e9trique du seuil critique d’inflexion. L’algorithme identifie la valeur empirique exacte de l’\u00e9tat d’\u00e9veil \u00e0 partir de laquelle la performance cesse de cro\u00eetre pour amorcer une chute brutale, sans exiger que les taux de croissance et de d\u00e9croissance partagent des pentes d’amplitudes identiques. Ce b\u00e9n\u00e9fice se r\u00e9v\u00e8le crucial dans la mod\u00e9lisation des transitions de phases \u00e9motionnelles ou des seuils de basculement de l’\u00e9puisement professionnel (burnout<\/em>), o\u00f9 l’accumulation de facteurs de tension psychologique demeure asymptotiquement imperceptible jusqu’au franchissement d’un seuil critique \u00e0 partir duquel l’effondrement fonctionnel s’acc\u00e9l\u00e8re dramatiquement.<\/p>\n En \u00e9liminant l’arbitraire li\u00e9 \u00e0 la dichotomisation artificielle des variables continues (souvent op\u00e9r\u00e9e de mani\u00e8re contestable par des d\u00e9coupages en m\u00e9dianes ou en terciles par les praticiens des sciences sociales), MARS offre une objectivit\u00e9 statistique sans \u00e9gale. Les points de rupture identifi\u00e9s par les fonctions charni\u00e8res refl\u00e8tent les discontinuit\u00e9s intrins\u00e8ques des processus psychologiques sous-jacents, conf\u00e9rant aux biomarqueurs cognitifs ou aux scores d’\u00e9chelles psychom\u00e9triques une valeur d\u00e9cisionnelle \u00e9tay\u00e9e par les donn\u00e9es elles-m\u00eames.<\/p>\n L’\u00e9tude des dispositions de personnalit\u00e9 et des dynamiques socio-\u00e9motionnelles postule quasi syst\u00e9matiquement l’existence d’interactions conditionnelles complexes. Dans le cadre du mod\u00e8le des Big Five ou du mod\u00e8le HEXACO, l’influence d’un trait donn\u00e9 sur un comportement d’adaptation d\u00e9pend rarement de mani\u00e8re isol\u00e9e de son intensit\u00e9 brute, mais s’exprime en conjonction avec d’autres dimensions psychologiques r\u00e9gulatrices. \u00c0 titre d’exemple, un niveau \u00e9lev\u00e9 de n\u00e9vrosisme n’induit pas n\u00e9cessairement des comportements d’inhibition pathologique si l’individu dispose parall\u00e8lement de capacit\u00e9s d’autor\u00e9gulation cognitive ou de m\u00e9tacognition hautement d\u00e9velopp\u00e9es.<\/p>\n Les techniques traditionnelles de r\u00e9gression lin\u00e9aire mod\u00e9r\u00e9e, bas\u00e9es sur le produit multiplicatif classique de pr\u00e9dicteurs continus, \u00e9chouent fr\u00e9quemment \u00e0 restituer la complexit\u00e9 r\u00e9elle de ces ph\u00e9nom\u00e8nes. Elles pr\u00e9supposent que l’effet mod\u00e9rateur varie de mani\u00e8re strictement lin\u00e9aire et constante sur l’int\u00e9gralit\u00e9 du spectre des variables. MARS transcende ces postulats restrictifs en isolant des interactions conditionnelles localis\u00e9es via ses produits de charni\u00e8res. Le mod\u00e8le peut ainsi d\u00e9couvrir qu’un niveau d’anxi\u00e9t\u00e9 n’interagit avec la m\u00e9moire de travail que si et seulement si l’anxi\u00e9t\u00e9 franchit un certain seuil de pathologie per\u00e7ue ET que la capacit\u00e9 attentionnelle se situe sous un niveau plancher d\u00e9termin\u00e9.<\/p>\n Cette granularit\u00e9 analytique permet d’\u00e9laborer des surfaces de r\u00e9ponse multivari\u00e9es d’une richesse conceptuelle in\u00e9dite pour la psychom\u00e9trie. Le chercheur acc\u00e8de \u00e0 une cartographie rigoureuse de sous-espaces psychologiques o\u00f9 s’exercent des r\u00e9gimes de fonctionnement distincts, \u00e9clairant les th\u00e9ories de la vuln\u00e9rabilit\u00e9 cognitive (mod\u00e8les diath\u00e8se-stress) sans enfermer les donn\u00e9es empiriques dans des cadres param\u00e9triques pr\u00e9con\u00e7us qui masquerent les v\u00e9ritables topologies comportementales.<\/p>\n Les donn\u00e9es r\u00e9colt\u00e9es en sciences humaines et comportementales se caract\u00e9risent presque syst\u00e9matiquement par des limitations m\u00e9trologiques s\u00e9v\u00e8res : distributions fortement asym\u00e9triques, effets de plafond ou de plancher inh\u00e9rents aux questionnaires standardis\u00e9s, et pr\u00e9sence in\u00e9vitable de bruit d’\u00e9chantillonnage li\u00e9 \u00e0 la d\u00e9sirabilit\u00e9 sociale ou aux biais de d\u00e9claration. Ces distorsions statistiques constituent un environnement particuli\u00e8rement hostile pour les mod\u00e8les param\u00e9triques traditionnels, tr\u00e8s sensibles \u00e0 la non-normalit\u00e9 des r\u00e9sidus et aux observations aberrantes \u00e0 fort effet de levier.<\/p>\n Face \u00e0 ces d\u00e9fis m\u00e9thodologiques, MARS d\u00e9ploie une robustesse structurelle remarquable. Sa formulation affine par morceaux amortit consid\u00e9rablement l’influence des valeurs extr\u00eames. Contrairement aux polyn\u00f4mes qui projettent des extrapolations divergentes incontr\u00f4lables sous l’impact d’observations situ\u00e9es aux extr\u00e9mit\u00e9s de l’\u00e9chantillon, les fonctions charni\u00e8res de MARS bornent l’effet des variables en dehors de leurs seuils critiques ou se stabilisent en comportements lin\u00e9aires locaux r\u00e9gul\u00e9s par la p\u00e9nalit\u00e9 GCV. Cette caract\u00e9ristique conf\u00e8re au mod\u00e8le une insensibilit\u00e9 appr\u00e9ciable aux d\u00e9formations distributives l\u00e9g\u00e8res \u00e0 mod\u00e9r\u00e9es.<\/p>\n De surcro\u00eet, MARS s’impose comme un outil exploratoire de premier ordre pour guider la sp\u00e9cification ult\u00e9rieure de mod\u00e8les causaux plus rigides, tels que les mod\u00e8les d’\u00e9quations structurelles (SEM, pour Structural Equation Modeling<\/em>). Souvent entrav\u00e9s par l’incapacit\u00e9 \u00e0 anticiper la forme math\u00e9matique des relations fonctionnelles liant les variables latentes, les chercheurs peuvent utiliser MARS dans une phase pr\u00e9liminaire non destructive pour cartographier les trajectoires empiriques r\u00e9elles, identifier les n\u0153uds critiques et mod\u00e9liser sans biais les liens non lin\u00e9aires majeurs qui seront formellement mis \u00e0 l’\u00e9preuve dans un cadre confirmatoire.<\/p>\n Bien que l’algorithme MARS original ait \u00e9t\u00e9 impl\u00e9ment\u00e9 en langage Fortran par Friedman, son adaptation la plus aboutie et la plus rigoureusement int\u00e9gr\u00e9e au sein de l’\u00e9cosyst\u00e8me Python contemporain est le package L’impl\u00e9mentation repose substantiellement sur du code r\u00e9dig\u00e9 en Cython et en C, ce qui lui conf\u00e8re une rapidit\u00e9 d’ex\u00e9cution proche des performances du code natif compil\u00e9, indispensable pour soutenir l’intense combinatoire de la passe ascendante. Toutefois, cette architecture implique que l’installation du package requiert la pr\u00e9sence d’un compilateur C\/C++ fonctionnel sur le syst\u00e8me d’exploitation de destination, ainsi que l’installation pr\u00e9alable des biblioth\u00e8ques de d\u00e9veloppement Cython, NumPy et SciPy. Sur les distributions Linux et macOS, la cha\u00eene d’outils GCC ou Clang remplit naturellement cette condition, tandis que sous Windows, l’installation des outils de g\u00e9n\u00e9ration Visual Studio (Microsoft C++ Build Tools<\/em>) est un pr\u00e9requis indispensable.<\/p>\n Dans les environnements modernes reposant sur des versions r\u00e9centes de Python (telles que Python 3.10 ou 3.11), certaines incompatibilit\u00e9s de compilation peuvent \u00e9merger en raison de modifications apport\u00e9es \u00e0 l’API interne C de NumPy. Il est fr\u00e9quemment pr\u00e9conis\u00e9 par la communaut\u00e9 de d\u00e9ployer l’environnement au sein d’une instance virtuelle isol\u00e9e (via L’ossature centrale de la biblioth\u00e8que py-earth s’incarne dans la classe fondamentale La classe Au-del\u00e0 de ces interfaces standardis\u00e9es, l’objet Le d\u00e9ploiement d’un pipeline complet d’analyse par splines adaptatives en Python impose la mobilisation concert\u00e9e des principales briques scientifiques de l’\u00e9cosyst\u00e8me PyData. La manipulation des structures de donn\u00e9es tabulaires s’effectue traditionnellement sous l’\u00e9gide de Le volet d\u00e9di\u00e9 \u00e0 l’\u00e9valuation diagnostique, \u00e0 la partition des donn\u00e9es et \u00e0 la validation empirique puise abondamment dans le module Enfin, la restitution des analyses et la visualisation multidimensionnelle des fonctions de r\u00e9gression reposent classiquement sur l’orchestration conjointe de L’\u00e9valuation rigoureuse des propri\u00e9t\u00e9s statistiques de l’algorithme MARS commence id\u00e9alement par l’exp\u00e9rimentation sur des jeux de donn\u00e9es synth\u00e9tiques aux propri\u00e9t\u00e9s math\u00e9matiques contr\u00f4l\u00e9es. Bien que la fonction utilitaire Il est donc particuli\u00e8rement formateur pour le chercheur de programmer des g\u00e9n\u00e9rateurs synth\u00e9tiques hybrides. En modulant le nombre d’observations (par exemple N = 1000<\/em>) et en ventilant les pr\u00e9dicteurs entre composantes hautement informatives, pr\u00e9dicteurs redondants et variables de bruit pur non corr\u00e9l\u00e9es, on forge un environnement de test rigoureux. Pour \u00e9prouver les capacit\u00e9s de r\u00e9gularisation de l’algorithme, une variance r\u00e9siduelle stochastique mod\u00e9lis\u00e9e par un bruit blanc gaussien de moyenne nulle et d’\u00e9cart-type ajustable est syst\u00e9matiquement inject\u00e9e dans la cible.<\/p>\n De plus, l’introduction d\u00e9lib\u00e9r\u00e9e d’une composante d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 \u2014 o\u00f9 la variance du bruit augmente proportionnellement \u00e0 l’amplitude d’un pr\u00e9dicteur donn\u00e9 \u2014 permet de tester la robustesse du crit\u00e8re GCV face aux violations des postulats gaussiens classiques. Afin de garantir une r\u00e9plicabilit\u00e9 scientifique absolue des exp\u00e9rimentations num\u00e9riques et des \u00e9valuations comparatives, l’initialisation explicite d’un g\u00e9n\u00e9rateur d’\u00e9tats pseudo-al\u00e9atoires via la fixation rigoureuse d’une graine (random seed<\/em> ou Pour ancrer la d\u00e9monstration dans une probl\u00e9matique concr\u00e8te de mod\u00e9lisation comportementale, nous pouvons conceptualiser un protocole simulant l’impact combin\u00e9 de plusieurs dimensions psychom\u00e9triques sur la performance cognitive lors d’une t\u00e2che complexe en situation de crise. Les variables d’entr\u00e9e peuvent \u00eatre formalis\u00e9es par des indicateurs standardis\u00e9s : un score de stress psychophysiologique mesur\u00e9 par variabilit\u00e9 de fr\u00e9quence cardiaque, un indice de fatigue mentale cons\u00e9cutive \u00e0 une privation de sommeil, et un niveau de base de flexibilit\u00e9 cognitive cognitivement \u00e9valu\u00e9 sur une \u00e9chelle ordinale continue.<\/p>\n La variable d\u00e9pendante \u2014 repr\u00e9sentant le temps de r\u00e9action complexe ou le taux d’erreurs commises lors de la t\u00e2che \u2014 est programm\u00e9e pour ob\u00e9ir \u00e0 une dynamique structurelle \u00e0 double seuil latent, reproduisant fid\u00e8lement les constats de la litt\u00e9rature neuropsychologique :<\/p>\n Le partitionnement rigoureux de cet ensemble de donn\u00e9es synth\u00e9tiques en deux sous-cohortes mutuellement exclusives \u2014 une cohorte d’apprentissage (70 \u00e0 80 % de l’\u00e9chantillon) vou\u00e9e \u00e0 la calibration des mod\u00e8les et une cohorte de test ind\u00e9pendante (20 \u00e0 30 %) sanctuaris\u00e9e pour l’\u00e9valuation finale hors-\u00e9chantillon \u2014 constitue la r\u00e8gle d’or pour pr\u00e9venir toute fuite d’information (data leakage<\/em>) lors de la recherche des points de rupture.<\/p>\n Une propri\u00e9t\u00e9 math\u00e9matique remarquable de l’algorithme MARS r\u00e9side dans son invariance d’\u00e9chelle face aux transformations lin\u00e9aires monotones des pr\u00e9dicteurs. Contrairement aux m\u00e9thodes \u00e0 p\u00e9nalisation globale des coefficients comme la r\u00e9gression Ridge ou le Lasso, ainsi qu’aux r\u00e9seaux de neurones ou aux algorithmes de partitionnement spatial par plus proches voisins (KNN), MARS n’exige aucune normalisation pr\u00e9alable, standardisation centr\u00e9e-r\u00e9duite (z-score<\/em>) ou mise \u00e0 l’\u00e9chelle min-max des covariables d’entr\u00e9e.<\/p>\n Cette ind\u00e9pendance d\u00e9coule directement de la nature g\u00e9om\u00e9trique de la recherche des n\u0153uds : le balayage combinatoire de la passe ascendante \u00e9value l’ordre relatif et les valeurs individuelles prises par chaque variable pour y positionner les fonctions charni\u00e8res. Si un pr\u00e9dicteur d’\u00e2ge est multipli\u00e9 par un facteur scalaire constant ou d\u00e9cal\u00e9 d’une valeur fixe, le n\u0153ud d’inflexion t<\/em> identifi\u00e9 par l’algorithme subira rigoureusement la m\u00eame transformation scalaire, et la pente lin\u00e9aire associ\u00e9e βm<\/sub><\/em> sera r\u00e9ajust\u00e9e \u00e0 proportion exacte pour restituer un ajustement math\u00e9matiquement identique. Cette caract\u00e9ristique pr\u00e9serve l’intelligibilit\u00e9 brute des \u00e9chelles de mesure originales (ex. ann\u00e9es, millisecondes, points d’\u00e9chelle Likert) sans biaiser le processus d’estimation.<\/p>\n Toutefois, une vigilance rigoureuse doit \u00eatre accord\u00e9e au traitement des donn\u00e9es manquantes et \u00e0 l’examen de la variance minimale des pr\u00e9dicteurs. L’algorithme standard n’imputant pas nativement les valeurs absentes, celles-ci doivent faire l’objet de protocoles d’imputation multiple ou d’assignation par k-plus-proches-voisins en amont. De surcro\u00eet, les variables pr\u00e9sentant une variance quasi-nulle ou une distribution hyper-concentr\u00e9e sur une valeur constante doivent \u00eatre imp\u00e9rativement \u00e9lagu\u00e9es, car elles risquent d’induire des d\u00e9g\u00e9n\u00e9rescences matricielles ou des partitions spatiales vides lors de l’\u00e9valuation des fonctions charni\u00e8res.<\/p>\n L’initialisation d’une instance de la classe Au-del\u00e0 de la complexit\u00e9 globale du mod\u00e8le, la r\u00e9gulation fine de la distance s\u00e9parant deux n\u0153uds successifs sur un m\u00eame pr\u00e9dicteur est essentielle pour emp\u00eacher des surajustements pathologiques locaux. Ce contr\u00f4le de granularit\u00e9 est op\u00e9r\u00e9 dans la biblioth\u00e8que Le param\u00e8tre De fa\u00e7on compl\u00e9mentaire, le param\u00e8tre L’ex\u00e9cution de la m\u00e9thode D\u00e8s l’ach\u00e8vement de l’optimisation, une inspection diagnostique imm\u00e9diate permet d’appr\u00e9hender la structure du mod\u00e8le r\u00e9sultant. L’analyste extrait en premier lieu le nombre effectif de termes de base conserv\u00e9s \u00e0 l’issue de l’\u00e9lagage, une information accessible via la longueur de la liste L’\u00e9valuation initiale se poursuit par la v\u00e9rification de la variance expliqu\u00e9e sur le jeu d’apprentissage \u00e0 travers le calcul du coefficient de d\u00e9termination R2<\/sup><\/em> et de l’erreur quadratique moyenne empirique. Il est crucial, \u00e0 ce stade, de ne pas consid\u00e9rer ces m\u00e9triques d’ajustement interne comme un indicateur d\u00e9finitif de validit\u00e9, mais simplement comme un garde-fou v\u00e9rifiant que l’algorithme est parvenu \u00e0 extraire un signal statistique substantiel du jeu d’entra\u00eenement sans d\u00e9g\u00e9n\u00e9rescence math\u00e9matique.<\/p>\n Bien que le mod\u00e8le MARS int\u00e8gre nativement son propre m\u00e9canisme de r\u00e9gularisation bas\u00e9 sur l’approximation analytique du crit\u00e8re GCV, la validation empirique sur des partitions d’\u00e9chantillons r\u00e9elles demeure le standard m\u00e9thodologique absolu pour certifier la capacit\u00e9 de g\u00e9n\u00e9ralisation d’un estimateur non param\u00e9trique. La simple validation crois\u00e9e \u00e0 k<\/em> blocs (k-fold cross-validation<\/em>) peut s’av\u00e9rer sensible au d\u00e9coupage al\u00e9atoire, particuli\u00e8rement lorsque la taille de l’\u00e9chantillon est modeste ou que certaines sous-r\u00e9gions de l’espace vectoriel sont faiblement peupl\u00e9es.<\/p>\n Pour immuniser l’\u00e9valuation contre cette variabilit\u00e9 d’\u00e9chantillonnage, la mise en \u0153uvre d’une validation crois\u00e9e r\u00e9p\u00e9t\u00e9e via la classe Le calcul conjoint de l’erreur quadratique moyenne (MSE) et du coefficient de d\u00e9termination R2<\/sup><\/em> \u00e0 travers ces it\u00e9rations permet de quantifier rigoureusement la stabilit\u00e9 structurelle du mod\u00e8le. Un \u00e9cart-type anormalement \u00e9lev\u00e9 des scores de validation hors-\u00e9chantillon alertera imm\u00e9diatement le chercheur sur une sensibilit\u00e9 excessive du mod\u00e8le aux variations locales de l’\u00e9chantillonnage, signalant la n\u00e9cessit\u00e9 de durcir les contraintes d’espacement des n\u0153uds ou d’accro\u00eetre la p\u00e9nalit\u00e9 de complexit\u00e9.<\/p>\n L’optimisation conjointe des hyperparam\u00e8tres fondamentaux d’un mod\u00e8le MARS ne saurait \u00eatre abandonn\u00e9e \u00e0 des choix intuitifs ou \u00e0 la seule acceptation des valeurs par d\u00e9faut de la biblioth\u00e8que. L’int\u00e9gration de la classe La grille de recherche conventionnelle met g\u00e9n\u00e9ralement en concurrence :<\/p>\n L’ex\u00e9cution de la recherche sur grille \u00e9value de mani\u00e8re exhaustive chaque combinaison param\u00e9trique \u00e0 travers les plis de validation crois\u00e9e d\u00e9finis. L’analyse des r\u00e9sultats permet de visualiser avec une clart\u00e9 remarquable la courbe du compromis biais-variance. On observe couramment qu’autoriser un degr\u00e9 d’interaction La phase conclusive de validation statistique consiste \u00e0 soumettre le mod\u00e8le final optimis\u00e9 \u00e0 l’\u00e9preuve de la cohorte de test ind\u00e9pendante sanctuaris\u00e9e lors de la phase pr\u00e9liminaire de partitionnement. Cette \u00e9tape d’\u00e9valuation hors-\u00e9chantillon constitue le test ultime d’inviolabilit\u00e9 de la d\u00e9marche scientifique, attestant que le mod\u00e8le ne s’est pas born\u00e9 \u00e0 m\u00e9moriser des artefacts d’entra\u00eenement.<\/p>\n Les m\u00e9triques de performance obtenues sur ce jeu de test (MSE, MAE, R2<\/sup><\/em>) doivent faire l’objet d’une comparaison scrupuleuse avec celles mesur\u00e9es sur le jeu d’apprentissage. Un diff\u00e9rentiel minime entre ces deux s\u00e9ries d’indicateurs confirme l’excellence de la r\u00e9gularisation par \u00e9lagage GCV. \u00c0 l’inverse, un effondrement substantiel du coefficient de d\u00e9termination sur l’\u00e9chantillon test trahirait une phase d’\u00e9lagage insuffisante, imposant une r\u00e9vision \u00e0 la hausse du param\u00e8tre Cette analyse quantitative doit \u00eatre syst\u00e9matiquement compl\u00e9t\u00e9e par une inspection graphique de la distribution des r\u00e9sidus en fonction des valeurs pr\u00e9dites (residual plots<\/em>). L’analyste s’assure ainsi de l’absence de toute tendance curvilin\u00e9aire r\u00e9siduelle (qui indiquerait une incapacit\u00e9 du mod\u00e8le \u00e0 capturer une non-lin\u00e9arit\u00e9 fondamentale) et v\u00e9rifie l’homog\u00e9n\u00e9it\u00e9 de la dispersion des erreurs le long de l’axe des pr\u00e9dictions, confirmant l’absence d’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 r\u00e9siduelle invalidante.<\/p>\n L’autorisation explicite d’interactions d’ordre deux via la configuration Le raffinement de cette approche r\u00e9side dans sa totale autonomie de d\u00e9couverte. Contrairement \u00e0 la mod\u00e9lisation statistique conventionnelle o\u00f9 le chercheur doit pr\u00e9sumer de l’existence d’une mod\u00e9ration et tester manuellement un terme d’interaction arbitraire au risque d’accro\u00eetre l’inflation de l’erreur de type I, MARS \u00e9value l’ensemble des interactions potentielles de mani\u00e8re impartiale. Si aucune synergie ou antagonisme n’existe objectivement entre deux pr\u00e9dicteurs au regard du crit\u00e8re GCV, l’algorithme rejette purement et simplement les termes compos\u00e9s correspondants lors de la passe d’\u00e9lagage, pr\u00e9servant ainsi la nature purement additive du sous-syst\u00e8me concern\u00e9.<\/p>\n Sur le plan conceptuel, les interactions bilat\u00e9rales g\u00e9n\u00e9r\u00e9es par MARS s’interpr\u00e8tent comme des mod\u00e9rations contextuelles asym\u00e9triques. L’effet de la fonction charni\u00e8re portant sur le premier pr\u00e9dicteur n’entre en action que si le second pr\u00e9dicteur se trouve localis\u00e9 dans un demi-espace sp\u00e9cifique d\u00e9limit\u00e9 par son propre n\u0153ud. Cette formulation permet de capturer avec une \u00e9l\u00e9gance math\u00e9matique rare des m\u00e9canismes d’inhibition, d’amplification conditionnelle ou de compensation r\u00e9ciproque au sein des syst\u00e8mes observ\u00e9s.<\/p>\n L’un des avantages les plus distinctifs de la biblioth\u00e8que Ce rapport \u00e9num\u00e8re chronologiquement chaque terme de base retenu, identifie sa nature math\u00e9matique univari\u00e9e ou conjointe, indique la position num\u00e9rique exacte des n\u0153uds d’inflexion retenus, et fournit la valeur estim\u00e9e du coefficient de r\u00e9gression lin\u00e9aire associ\u00e9, assortie de m\u00e9triques d’\u00e9lagage. Gr\u00e2ce \u00e0 la r\u00e9gularit\u00e9 syntaxique de ce rapport, il est ais\u00e9 d’\u00e9crire des modules d’analyse syntaxique (parsing<\/em>) en Python pour extraire programmatiquement ces constantes et reconstruire l’\u00e9quation analytique sous forme symbolique exploitable par des biblioth\u00e8ques de calcul formel telles que SymPy<\/a>.<\/p>\n Cette transparence radicale contraste singuli\u00e8rement avec l’opacit\u00e9 inh\u00e9rente aux mod\u00e8les d’ensemble concurrents. L’analyste n’est pas contraint de s’en remettre \u00e0 des approximations heuristiques pour appr\u00e9hender la logique interne de son estimateur : l’\u00e9quation finale peut \u00eatre directement consign\u00e9e dans une publication scientifique ou int\u00e9gr\u00e9e au sein d’un syst\u00e8me d\u00e9cisionnel embarqu\u00e9 ne n\u00e9cessitant aucune d\u00e9pendance logicielle complexe pour \u00eatre ex\u00e9cut\u00e9 en production.<\/p>\n La restitution visuelle des surfaces de r\u00e9ponse multivari\u00e9es est une composante essentielle de l’interpr\u00e9tation des interactions d’ordre sup\u00e9rieur d\u00e9couvertes par MARS. Pour appr\u00e9hender la topologie conjointe de deux pr\u00e9dicteurs continus en interaction, la m\u00e9thodologie standard consiste \u00e0 g\u00e9n\u00e9rer une grille bidimensionnelle r\u00e9guli\u00e8re de points d’\u00e9valuation (meshgrid<\/em>) couvrant l’int\u00e9gralit\u00e9 de leur domaine de variation empirique, tout en fixant l’ensemble des autres covariables du mod\u00e8le \u00e0 leur valeur m\u00e9diane ou modale respective.<\/p>\n L’\u00e9valuation des pr\u00e9dictions du mod\u00e8le sur l’ensemble des n\u0153uds de cette grille permet de tracer, \u00e0 l’aide des modules de projection 3D de Matplotlib, des surfaces de r\u00e9gression tridimensionnelles continues. Ces repr\u00e9sentations graphiques r\u00e9v\u00e8lent imm\u00e9diatement la morphologie des mod\u00e9rations : on y observe visuellement des zones planes horizontales (correspondant \u00e0 des r\u00e9gions o\u00f9 les fonctions charni\u00e8res sont nulles et o\u00f9 la r\u00e9ponse est invariante), connect\u00e9es de fa\u00e7on continue \u00e0 des pans inclin\u00e9s ou \u00e0 des torsions spatiales t\u00e9moignant d’effets multiplicateurs locaux.<\/p>\n De fa\u00e7on compl\u00e9mentaire, la projection de ces surfaces sous la forme de cartes de lignes de niveau (contour plots<\/em>) ou de cartes thermiques (heatmaps<\/em>) bidimensionnelles offre une lecture quantitative d’une clart\u00e9 remarquable. Ces repr\u00e9sentations permettent aux chercheurs et aux praticiens de localiser instantan\u00e9ment les zones optimales de r\u00e9ponse ou, au contraire, les bassins de risque critique au sein de l’espace des covariables, facilitant la prise de d\u00e9cision strat\u00e9gique ou clinique sur la base d’une g\u00e9om\u00e9trie parfaitement formalis\u00e9e.<\/p>\n La quantification de la contribution respective de chaque pr\u00e9dicteur au sein d’un mod\u00e8le MARS repose sur des crit\u00e8res d’importance structurels particuli\u00e8rement rigoureux, distincts des heuristiques de permutation souvent biais\u00e9es employ\u00e9es dans les for\u00eats al\u00e9atoires. L’impl\u00e9mentation La m\u00e9trique d’importance pr\u00e9dominante repose sur l’augmentation du crit\u00e8re GCV constat\u00e9e lorsque l’ensemble des fonctions de base impliquant une covariable sp\u00e9cifique sont retir\u00e9es du mod\u00e8le final. Plus le retrait d’une variable d\u00e9grade le crit\u00e8re de validation crois\u00e9e g\u00e9n\u00e9ralis\u00e9e (entra\u00eenant une \u00e9l\u00e9vation substantielle de l’erreur p\u00e9nalis\u00e9e), plus cette variable est consid\u00e9r\u00e9e comme structurellement fondamentale pour l’ajustement global. Une seconde m\u00e9trique compl\u00e9mentaire quantifie le nombre de sous-mod\u00e8les successifs de la passe ascendante et descendante dans lesquels la variable a \u00e9t\u00e9 mobilis\u00e9e, attestant de sa robustesse algorithmique tout au long du processus d’\u00e9lagage.<\/p>\n Ces \u00e9valuations se pr\u00eatent \u00e0 une standardisation relative, o\u00f9 l’importance de chaque variable est normalis\u00e9e sur une \u00e9chelle indicielle de z\u00e9ro \u00e0 cent pour cent. La g\u00e9n\u00e9ration programmatique de diagrammes en barres horizontales repr\u00e9sentant ces scores d’importance relative permet de communiquer synth\u00e9tiquement l’architecture hi\u00e9rarchique des facteurs d’influence, fournissant une synth\u00e8se d\u00e9cisionnelle hautement lisible pour les parties prenantes non sp\u00e9cialistes de la mod\u00e9lisation statistique.<\/p>\n Les trac\u00e9s de d\u00e9pendance partielle (PDP, pour Partial Dependence Plots<\/em>), formalis\u00e9s originellement par Friedman lui-m\u00eame, constituent l’outil par excellence pour expliciter graphiquement l’effet marginal d’un ou de plusieurs pr\u00e9dicteurs sur la variable cible, en int\u00e9grant et en neutralisant l’effet moyen de toutes les autres covariables pr\u00e9sentes dans le mod\u00e8le. L’expression analytique de la d\u00e9pendance partielle pour un sous-ensemble de variables Xs<\/sub><\/em> se formalise par :<\/p>\n1. Introduction th\u00e9orique aux splines de r\u00e9gression adaptative multivari\u00e9e<\/h2>\n
1.1 Gen\u00e8se et formalisation par Jerome Friedman<\/h3>\n
1.2 Concepts cl\u00e9s et terminologie fondamentale<\/h3>\n
1.3 Avantages comparatifs de MARS en mod\u00e9lisation quantitative<\/h3>\n
2. Fondements math\u00e9matiques : Fonctions charni\u00e8res et d\u00e9coupage spatial<\/h2>\n
2.1 Structure analytique des fonctions charni\u00e8res<\/h3>\n
2.2 Alg\u00e8bre des interactions d’ordre sup\u00e9rieur<\/h3>\n
2.3 Crit\u00e8re de p\u00e9nalisation et validation g\u00e9n\u00e9ralis\u00e9e<\/h3>\n
3. L’architecture algorithmique : Phases ascendante et descendante<\/h2>\n
3.1 Phase de croissance ascendante (Forward Pass)<\/h3>\n
3.2 Phase d’\u00e9lagage descendant (Backward Pruning)<\/h3>\n
3.3 Convergence et complexit\u00e9 computationnelle<\/h3>\n
4. Pertinence m\u00e9thodologique de MARS en recherche comportementale et psychologique<\/h2>\n
4.1 D\u00e9tection d’effets de seuil dans les dynamiques cognitives<\/h3>\n
4.2 Analyse d’interactions non lin\u00e9aires entre traits de personnalit\u00e9<\/h3>\n
4.3 Avantages psychom\u00e9triques face aux donn\u00e9es observationnelles bruit\u00e9es<\/h3>\n
5. Configuration de l’environnement Python et biblioth\u00e8que py-earth<\/h2>\n
5.1 Installation et d\u00e9pendances de sklearn-contrib-py-earth<\/h3>\n
sklearn-contrib-py-earth<\/code>, commun\u00e9ment d\u00e9sign\u00e9 sous le nom de py-earth<\/code>. Cette biblioth\u00e8que open-source transpose fid\u00e8lement les sp\u00e9cifications math\u00e9matiques de l’algorithme original tout en respectant scrupuleusement les standards de conception de l’infrastructure logicielle de scikit-learn<\/a>.<\/p>\nvenv<\/code> ou conda<\/code>) en s’appuyant sur des versions stables de NumPy et SciPy compatibles avec les fichiers sources Cython de py-earth, ou d’installer des forks maintenus activement par la communaut\u00e9 sur les d\u00e9p\u00f4ts de d\u00e9veloppement collaboratif.<\/p>\n5.2 Architecture logicielle de la classe Earth<\/h3>\n
Earth<\/code>. Soucieuse d’interop\u00e9rabilit\u00e9 maximale, cette classe h\u00e9rite directement des m\u00e9taclasses abstraites BaseEstimator<\/code> et RegressorMixin<\/code> fournies par le framework de scikit-learn. Cette ascendance garantit une int\u00e9gration transparente et standardis\u00e9e avec l’int\u00e9gralit\u00e9 des modules utilitaires de la science des donn\u00e9es en Python, rendant le mod\u00e8le instantan\u00e9ment compatible avec les pipelines de transformation, les m\u00e9canismes de validation crois\u00e9e et les algorithmes de recherche d’hyperparam\u00e8tres automatis\u00e9s.<\/p>\nEarth<\/code> expose une API unifi\u00e9e r\u00e9gie par les m\u00e9thodes canoniques du paradigme d’apprentissage machine :<\/p>\n\n
fit(X, y)<\/code> : D\u00e9clenche l’ex\u00e9cution cons\u00e9cutive de la passe ascendante (croissance des fonctions charni\u00e8res) et de la passe descendante (\u00e9lagage via GCV) sur la matrice de donn\u00e9es d’apprentissage.<\/li>\npredict(X)<\/code> : \u00c9value la somme pond\u00e9r\u00e9e des fonctions de base retenues pour une nouvelle matrice d’observations et retourne le vecteur des valeurs pr\u00e9dites.<\/li>\ntransform(X)<\/code> : Projette la matrice originale des covariables dans l’espace multidimensionnel transform\u00e9 d\u00e9fini par les fonctions charni\u00e8res \u00e9lagu\u00e9es, permettant d’utiliser MARS comme un extracteur de caract\u00e9ristiques (feature extractor<\/em>) non lin\u00e9aire pour d’autres algorithmes.<\/li>\nscore(X, y)<\/code> : Calcule le coefficient de d\u00e9termination R2<\/sup><\/em> empirique sur l’ensemble de test d\u00e9sign\u00e9.<\/li>\n<\/ul>\nEarth<\/code> instanci\u00e9 conserve en m\u00e9moire un ensemble riche d’attributs d’inspection post-ajustement. L’attribut basis_<\/code> r\u00e9pertorie la structure arborescente exhaustive de l’ensemble des termes de base g\u00e9n\u00e9r\u00e9s et retenus, documentant pr\u00e9cis\u00e9ment l’indice des pr\u00e9dicteurs impliqu\u00e9s, la valeur seuil des n\u0153uds d’inflexion et l’orientation g\u00e9om\u00e9trique du biseau (signe du r\u00e9sidu de coupure). De m\u00eame, l’attribut coef_<\/code> stocke les valeurs num\u00e9riques des coefficients de r\u00e9gression lin\u00e9aire optimis\u00e9s associ\u00e9s \u00e0 chaque fonction charni\u00e8re active.<\/p>\n5.3 Importation des modules analytiques et scientifiques<\/h3>\n
pandas<\/code>, qui offre la structure de DataFrame indispensable \u00e0 l’organisation ordonn\u00e9e des pr\u00e9dicteurs comportementaux et d\u00e9mographiques, tandis que numpy<\/code> fournit la fondation sous-jacente pour l’ex\u00e9cution des op\u00e9rations d’alg\u00e8bre lin\u00e9aire haute performance et la g\u00e9n\u00e9ration vectoris\u00e9e des matrices al\u00e9atoires.<\/p>\nsklearn.model_selection<\/code>, notamment \u00e0 travers des classes de pointe telles que train_test_split<\/code>, KFold<\/code>, RepeatedKFold<\/code> et GridSearchCV<\/code>. De fa\u00e7on compl\u00e9mentaire, la quantification des performances d’estimation n\u00e9cessite l’importation de m\u00e9triques d’erreur pr\u00e9cises localis\u00e9es au sein de sklearn.metrics<\/code>, \u00e0 l’instar de mean_squared_error<\/code>, mean_absolute_error<\/code> et r2_score<\/code>.<\/p>\nmatplotlib.pyplot<\/code> et de seaborn<\/code>. Ces biblioth\u00e8ques graphiques permettent de mat\u00e9rialiser les courbes de r\u00e9gression par morceaux, de tracer les intervalles de confiance locaux et de projeter des surfaces de r\u00e9ponse tridimensionnelles illustrant les dynamiques d’interaction entre covariables, cl\u00f4turant ainsi la cha\u00eene logicielle n\u00e9cessaire \u00e0 l’analyse avanc\u00e9e.<\/p>\n6. Pr\u00e9paration et simulation de jeux de donn\u00e9es sous Python<\/h2>\n
6.1 G\u00e9n\u00e9ration de donn\u00e9es synth\u00e9tiques non lin\u00e9aires avec make_regression<\/h3>\n
make_regression<\/code> de scikit-learn constitue le standard industriel pour fabriquer rapidement des configurations matricielles de dimensions arbitraires, elle produit par construction des relations strictement lin\u00e9aires qui ne permettent pas de solliciter la puissance de d\u00e9tection des splines.<\/p>\nrandom_state<\/code>) constitue une condition m\u00e9thodologique incontournable.<\/p>\n6.2 Conception d’une structure de donn\u00e9es de type psychologique<\/h3>\n
\n
6.3 Contr\u00f4les pr\u00e9alables et normalisation<\/h3>\n
7. Entra\u00eenement et param\u00e9trage du mod\u00e8le Earth en Python<\/h2>\n
7.1 Instanciation et hyperparam\u00e8tres critiques<\/h3>\n
Earth<\/code> requiert une compr\u00e9hension fine de ses hyperparam\u00e8tres structurants, qui dictent directement le comportement exploratoire de l’algorithme et la s\u00e9v\u00e9rit\u00e9 de son \u00e9lagage. Trois param\u00e8tres fondamentaux m\u00e9ritent une attention analytique prioritaire lors de l’instanciation :<\/p>\n\n
max_terms<\/code> : Sp\u00e9cifie le plafond absolu du nombre de termes de base pouvant \u00eatre g\u00e9n\u00e9r\u00e9s au cours de la passe ascendante. Si cette valeur est fix\u00e9e \u00e0 un niveau trop bas, l’algorithme risque d’interrompre sa recherche pr\u00e9matur\u00e9ment avant de capturer des non-lin\u00e9arit\u00e9s complexes (sous-apprentissage). Inversement, une valeur excessivement g\u00e9n\u00e9reuse gonfle consid\u00e9rablement la dur\u00e9e de calcul sans n\u00e9cessairement enrichir le mod\u00e8le final \u00e9lagu\u00e9. Une heuristique couramment adopt\u00e9e consiste \u00e0 fixer ce plafond \u00e0 une valeur au moins \u00e9gale \u00e0 min(200, max(20, 2 × D)) + 1<\/em>, o\u00f9 D<\/em> repr\u00e9sente le nombre de covariables.<\/li>\nmax_degree<\/code> : D\u00e9finit le degr\u00e9 maximal d’interaction admissible au sein des produits tensoriels de fonctions charni\u00e8res. Lorsque max_degree=1<\/code>, l’algorithme est brid\u00e9 en mode strictement additif : aucune interaction multiplicative n’est \u00e9valu\u00e9e, et le mod\u00e8le produit uniquement des splines univari\u00e9es isol\u00e9es. Lorsqu’il est configur\u00e9 \u00e0 max_degree=2<\/code>, MARS explore les interactions bilat\u00e9rales entre paires de pr\u00e9dicteurs distincts. Bien que des degr\u00e9s sup\u00e9rieurs soient th\u00e9oriquement possibles, ils sont tr\u00e8s rarement d\u00e9ploy\u00e9s en raison de l’instabilit\u00e9 des estimations et de l’intense complexit\u00e9 combinatoire g\u00e9n\u00e9r\u00e9e.<\/li>\npenalty<\/code> : Repr\u00e9sente le facteur de co\u00fbt d<\/em> appliqu\u00e9 \u00e0 chaque n\u0153ud d’inflexion au sein du crit\u00e8re de validation crois\u00e9e g\u00e9n\u00e9ralis\u00e9e (GCV). Une valeur de p\u00e9nalit\u00e9 \u00e9lev\u00e9e durcit le d\u00e9nominateur de la formule de r\u00e9gularisation, for\u00e7ant l’\u00e9lagage \u00e0 \u00e9liminer davantage de termes pour privil\u00e9gier des architectures ultra-parcimonieuses. La valeur par d\u00e9faut (g\u00e9n\u00e9ralement calibr\u00e9e \u00e0 3.0) offre un \u00e9quilibre empirique robuste, mais peut \u00eatre modul\u00e9e selon le niveau de bruit suppos\u00e9 contaminer l’\u00e9chantillon d’\u00e9tude.<\/li>\n<\/ul>\n7.2 Contr\u00f4le de la granularit\u00e9 locale<\/h3>\n
py-earth<\/code> par le biais de deux param\u00e8tres g\u00e9om\u00e9triques majeurs : minspan<\/code> et endspan<\/code>.<\/p>\nminspan<\/code> fixe le nombre minimal d’observations devant obligatoirement s\u00e9parer deux n\u0153uds d’inflexion cons\u00e9cutifs le long de l’axe de distribution d’une variable ind\u00e9pendante donn\u00e9e. Si l’algorithme \u00e9tait autoris\u00e9 \u00e0 placer des n\u0153uds sur des observations imm\u00e9diatement adjacentes, il en r\u00e9sulterait des micro-variations de pente capturant uniquement des aberrations locales ou du bruit haute fr\u00e9quence. En contraignant cet espacement, l’analyste oblige MARS \u00e0 ne valider un changement de trajectoire que s’il repose sur un agr\u00e9gat statistique d’observations suffisant pour t\u00e9moigner d’un ph\u00e9nom\u00e8ne structurel p\u00e9renne.<\/p>\nendspan<\/code> r\u00e9gule la distance minimale devant s\u00e9parer le premier (ou le dernier) n\u0153ud admissible des bornes extr\u00eames (minimum et maximum empiriques) de la distribution de la covariable. Les bordures d’\u00e9chantillons sont notoirement sujettes \u00e0 des effets de levier d\u00e9stabilisateurs ; positionner un n\u0153ud sur l’avant-derni\u00e8re observation d’une queue de distribution induit presque syst\u00e9matiquement une divergence d’extrapolation lors de la pr\u00e9diction sur de nouvelles donn\u00e9es. En calibrant judicieusement endspan<\/code>, le praticien sanctuarise les fronti\u00e8res de son espace d’observation et garantit une stabilit\u00e9 asymptotique accrue des segments terminaux.<\/p>\n7.3 Ex\u00e9cution de l’ajustement et inspection initiale<\/h3>\n
fit(X_train, y_train)<\/code> d\u00e9clenche la machinerie algorithmique compl\u00e8te, orchestrant l’ascension combinatoire suivie de la d\u00e9flation r\u00e9gul\u00e9e par le GCV. Sur un jeu de donn\u00e9es de dimension conventionnelle (quelques milliers d’observations et quelques dizaines de pr\u00e9dicteurs), la convergence computationnelle est g\u00e9n\u00e9ralement atteinte en une fraction de seconde gr\u00e2ce \u00e0 la sous-couche compil\u00e9e en Cython.<\/p>\nmodel.basis_<\/code>. Cette m\u00e9trique synth\u00e9tique offre un premier aper\u00e7u de la complexit\u00e9 intrins\u00e8que de la fonction de r\u00e9ponse sous-jacente : un mod\u00e8le ne retenant que trois ou quatre termes t\u00e9moigne d’une topologie relativement sobre, tandis qu’un mod\u00e8le conservant plusieurs dizaines de termes sugg\u00e8re une dynamique hautement non lin\u00e9aire et riche en interactions locales.<\/p>\n8. Validation crois\u00e9e et \u00e9valuation rigoureuse de la performance<\/h2>\n
8.1 Impl\u00e9mentation d’une validation crois\u00e9e r\u00e9p\u00e9t\u00e9e (RepeatedKFold)<\/h3>\n
RepeatedKFold<\/code> de scikit-learn constitue la strat\u00e9gie d’excellence. Ce protocole consiste \u00e0 ex\u00e9cuter une validation crois\u00e9e \u00e0 k<\/em> plis (par exemple k = 10<\/em>) r\u00e9p\u00e9t\u00e9e sur un nombre d\u00e9termin\u00e9 d’it\u00e9rations ind\u00e9pendantes (par exemple n_repeats = 5<\/em>), chaque it\u00e9ration appliquant une permutation pseudo-al\u00e9atoire pr\u00e9alable diff\u00e9rente de l’ensemble des observations. Cette d\u00e9marche produit une distribution de cinquante estimations de l’erreur de pr\u00e9diction, permettant non seulement de calculer une performance moyenne stable, mais \u00e9galement d’estimer avec pr\u00e9cision l’intervalle de confiance et l’\u00e9cart-type de cette performance.<\/p>\n8.2 Optimisation des hyperparam\u00e8tres par recherche sur grille (GridSearchCV)<\/h3>\n
Earth<\/code> au sein de l’infrastructure logicielle GridSearchCV<\/code> de scikit-learn permet de cartographier m\u00e9thodiquement la surface de performance sur un espace de recherche multidimensionnel rigoureusement balis\u00e9.<\/p>\n\n
max_degree<\/code> \u00e9valu\u00e9 typiquement sur les valeurs discr\u00e8tes {1, 2, 3}.<\/li>\nmax_terms<\/code> \u00e9chantillonn\u00e9 sur des paliers progressifs, par exemple {15, 30, 50, 80}.<\/li>\npenalty<\/code> explor\u00e9 sur un continuum de valeurs telles que {1.5, 2.0, 3.0, 4.0, 5.0}.<\/li>\n<\/ul>\nmax_degree=2<\/code> procure un gain spectaculaire de performance pr\u00e9dictive si le syst\u00e8me r\u00e9el h\u00e9berge des mod\u00e9rations fortes, mais que pousser ce param\u00e8tre \u00e0 max_degree=3<\/code> induit une d\u00e9gradation brutale du score hors-\u00e9chantillon en raison de l’inflation de la variance d’estimation. L’architecture optimale extraite par best_estimator_<\/code> incarne la configuration param\u00e9trique la plus r\u00e9siliente face \u00e0 de nouvelles donn\u00e9es.<\/p>\n8.3 \u00c9valuation hors-\u00e9chantillon et g\u00e9n\u00e9ralisation<\/h3>\n
penalty<\/code>.<\/p>\n9. Mod\u00e9lisation et d\u00e9composition des interactions d’ordre sup\u00e9rieur<\/h2>\n
9.1 Activation des interactions bilat\u00e9rales avec max_degree=2<\/h3>\n
max_degree=2<\/code> d\u00e9ploie l’int\u00e9gralit\u00e9 du potentiel expressif de l’algorithme MARS. Dans cette configuration, l’algorithme ne se cantonne plus \u00e0 construire des approximations profil\u00e9es variable par variable ; il explore activement la co-occurrence conditionnelle de changements structurels au sein de plans bidimensionnels.<\/p>\n9.2 Extraction programmatique des \u00e9quations du mod\u00e8le<\/h3>\n
py-earth<\/code> r\u00e9side dans sa capacit\u00e9 \u00e0 restituer l’int\u00e9gralit\u00e9 de la fonction math\u00e9matique r\u00e9sultante sous une forme textuelle explicite et directement exploitable. L’appel de la m\u00e9thode summary()<\/code> sur l’instance ajust\u00e9e g\u00e9n\u00e8re un rapport analytique complet d\u00e9taillant l’architecture fonctionnelle finale.<\/p>\n9.3 Visualisation bidimensionnelle et tridimensionnelle des effets conjoints<\/h3>\n
10. Interpr\u00e9tabilit\u00e9, diagnostic statistique et importance des variables<\/h2>\n
10.1 Calcul de l’importance relative des pr\u00e9dicteurs<\/h3>\n
py-earth<\/code> \u00e9value l’importance des variables \u00e0 l’aide de m\u00e9triques fond\u00e9es sur l’architecture m\u00eame de la s\u00e9lection par splines.<\/p>\n10.2 Trac\u00e9s de d\u00e9pendance partielle (Partial Dependence Plots)<\/h3>\n