La prédiction des suites individuelles considère les problèmes d'apprentissage séquentiel pour lesquels on ne peut ou ne veut pas modéliser le problème de manière stochastique, et fournit dès lors des stratégies de prédiction très robustes. Elle englobe aussi bien des problèmes issus de la communauté du machine learning que de celle de la théorie des jeux répétés. Ces derniers sont traités avec des méthodes statistiques, incluant par
exemple les techniques de concentration de la mesure, de
l'estimation adaptative, et de la théorie de l'information.
Dans cet exposé, on parlera tout d'abord de prédiction randomisée, avec information complète ou imparfaite,
puis on s'intéressera à l'agrégation séquentielle de prédicteurs, en mentionnant deux applications : l'investissement dans le marché boursier et la prévision d'ensemble des pics d'ozone. |
2