Bonjour,
Je vous écris car je suis en train de concevoir un capteur pour estimer le nombre d'objet (en vrac,  de l'ordre de la centaine d'objets), en me basant sur une caméra.
Le principe de base est le suivant :
1) Je fais du traitement d'image pour détecter les pixels qui changent par rapport à une image sans aucun objet
2) J'utilise une régression linéaire pour trouver le nombre d'objets correspondant

N'ayant que très peu d'échantillons (n=24) car ceux si sont coûteux à produire, je me pose des questions sur comment calculer la variance de mon erreur.

Quand on calcule juste une moyenne, la variance est la somme des résidus au carrés divisé par n-1 (où n est le nombre d'échantillons).
D'après ce que j'ai compris, pour une régression linéaire, il faut diviser par n-2 (car il y a 2 degrés de liberté).

Maintenant, dans mon cas, j'ai 3 paramètres pour le traitement d'image (un seuil et 2 tailles de masques) en plus des deux de la régression linéaire. Pour trouver les meilleurs paramètres, je fais une grid-search sur les paramètres du traitement d'image (ie j'essaye tous les triplets possibles) et pour chacun de ces paramètres je fais la régression linéaire.
Du coup, est-ce que je suis sensé diviser la somme des résidus par n-2 ou par n-(2+3) ?
En plus, j'ai fait quelques tests en utilisant ou pas une étape de traitement en plus : est-ce que ces choix binaires influencent aussi ma variance?

En vous remerciant par avance
Sandro
PS : est-ce que ça apporterait quelque chose de faire du bagging dans le cas d'une regression, ou est-ce que toute l'information sur la variance est déjà incluse due au fait de diviser par n-2 ?