Data Science

Régularisation : Ridge et Lasso

Combien vaut un joueur ? Pour y répondre, un front office dispose d’une vingtaine de statistiques par joueur, et de toutes leurs combinaisons possibles. Le réflexe est de tout donner à une régression et de la laisser trancher. Avec 230 variables pour 366 joueurs, elle ne trancherait rien : elle apprendrait par cœur le bruit de la saison, jusqu’à devenir moins utile que de prédire le salaire moyen à tout le monde. La régularisation empêche ça en rendant les gros coefficients coûteux, et sa version Lasso va plus loin : elle annule les statistiques qui ne servent à rien, et désigne donc celles qui font un salaire.