Sélection de variables pour la classification binaire en grande dimension: comparaisons et application aux domées de biopuces

Dans cet article nous nous proposons de comparer trois methodes recentes de selection de variables dans le cadre de la classification binaire. Le contexte auquel nous nous interessons ici est celui ou le nombre de variables est tres grand et beaucoup plus important que le nombre d'observations, comme c'est le cas pour les donnees issues des biopuces. Les approches comparees sont de type SVM, GLM sous contraintes de type L 1 et Forets Aleatoires.