Comment déterminer les paramètres d'entrée qui influencent le plus la sortie d'un système ?

Bonjour à toutes et à tous.
C'est mon premier post. Ce sujet ne m'a pas encore semblé abordé...

Alors voici ma question:
j'ai un jeu de données, avec un certains nombres de paramètres d'entrées (disons 20).
En paramètre de sortie, j'ai la concentration en un élément chimique particulier (on va dire l'azote)
Tous ces paramètres peuvent (potentiellement) agir entre eux. Je souhaiterai savoir quel est le paramètre ou quels sont les associations de paramètres qui influencent le plus la concentration de l'azote en sortie de mon système? Je souhaiterai savoir quels outils statistiques (et par extension, quel logiciel, si possible libre) permettent de répondre à cette question.
J'avais pensé à une analyse de sensibilité, ou bien une ACP/AFC...
Je peux néanmoins être passé à côté de méthodes moins conventionnelles...
J'ai également pensé aux règles d'attribution ("attribute rules" notamment disponibles dans Weka ou Tanagra).

Toute remarque éclairante est la bienvenue.
Merci beaucoup d'avoir pris le temps de lire ce message.

S'il y a des règles complexes d'interactions entre les entrées, je pense qu'un réseau de neurones devrait faire l'affaire.

Pour savoir si un paramètre modifie le plus le comportement de ton système, une "analyse différentielle" devrait faire l'affaire :
- tu crées ton modèle de prédiction (concentration d'azote en fonction de tes entrées)
- pour toutes les attributs/caractéristiques et pour toutes les instances
- faire varier l'attribut et enregistrer les variations de sortie.

Merci pour votre réponse.

Je vais me pencher sur l'analyse différentielle.

Concernant le réseau de neurone, j'avais commencé à aborder ceci, d'abord avec un réseau de type perceptron multi-couche (PMC), néanmoins de part son fonctionnement, le PMC n'est pas capable à mon sens de faire ressortir les variables influençant le plus le système...le PMC va seulement (même si c'est déjà pas mal :P) "ranger" mes entrées en classe consécutivement à la phase d'apprentissage...je me suis ensuite orienté sur les cartes auto-adaptatives ("Self-Organised-Map" SOM type Kohonen), qui peuvent faire émerger des familles de paramètres sans aucun à priori...seulement le problème est que mes variables d'entrée ne sont pas forcément des variables continues....j'ai également des variables discrètes...ce que ni les SOM ni le PMC ne peuvent résoudre...(corrigez-moi si je me trompe)

C'est pour cette raison que je me demandais s'il existait une méthode pour déterminer les paramètres d'entrée influençant la sortie du système, variables d'entrées pouvant être continues et discrètes (navré, j'aurai du le préciser dans mon 1er post).

Concernant les réseaux de neurone, y'en avait-il un particulier auquel vous pensiez ?

Bonjour,
Les méthodes exploratoires de type ACP, AFC ou ACM ne peuvent pas être utilisées dans votre problème car votre finalité semble être la prédiction d'une variable quantitative.
Des méthodes de prédiction statistiques pour ce type de variables il en existe beaucoup, vous devriez vous penchez sur le terme régression : linéaire, généralisée, additif, etc.

Si tu utilises un système linéaire, les variables auront beaucoup plus de poids dans le système, mais les résultats seront moins bons.
Un RdN aura de bons résultats mais écrasera un peu les variables.
Tu peux tenter les deux et voir s'il y a une corrélation.