Merci encore de vos réponses.
Nemerle : J'utilise le modèle en prévision. Or j'ai l'idée que le réseau neuronal n'est bon en prévision que dans un voisinage des données de départ (la fenêtre de prévision ne peut pas être très large, non?). Si on peut l'utiliser en prévision, je suis très intéressé par la technique que je possède très peu, et les possibilités d'implémentation.
Nebulix : Oui, bien sur il y a des possibilités de couper des données et de jouer sur moins de points (ce qui permet d'accélérer le calcul). 10 variables ensuite, ce n'est pas tant : elles ne sont pas du tout corrélées (j'ai bien sur étudié la corrélation et c'est très faible) et je pourrais en mettre un peu plus pour mieux expliquer mes points.
Sur l'aspect optimisation, j'ai un peu tout essayé. Le Nelder Mead n'est pas mauvais (rapide à implémenter et "derivative-free") mais tombe bien sur dans les minima locaux, ce qui oblige à faire du multistart.
C'est pour cela que je me suis tourné vers l'optim globale avec le recuit simulé qui bien souvent donne des résultats au moins aussi bon (quitte à le completer ensuite par du Nelder-Mead, quand on est tombé dans la dernière "cuvette").
Mais il est difficile de trancher entre les deux!
Partager