la régression de la crête (une forme de régression linéaire régularisée qui tente de réduire les coefficients bêta vers zéro) peut être super efficace pour combattre la suralimentation et conduire à un modèle beaucoup plus généralisable. Cette approche de la régularisation a utilisé l'estimation du maximum de vraisemblance pénalisée (pour laquelle nous avons utilisé le paquet suivant). Il existe cependant une autre approche ... une approche équivalente ... mais qui nous permet une plus grande souplesse dans la construction du modèle et se prête plus facilement à une interprétation intuitive de l'incertitude de nos estimations du coefficient bêta. Je parle, bien sûr, de l'approche bayésienne.
