. De-ce-point-de-vue, affranchir des limitations usuelles de la définition d'une donnée aberrante et donc de rendre cette notion plus intrinsèque, moins dépendante d'un contexte particulier de modélisation. Ainsi, l'usage de méthodes issues de la statistique inférentielle (l'estimation non paramétrique) conjugué à des idées d'agrégation de prédicteurs récemment apparues en apprentissage statistique permet de revisiter un thème essentiel de l'analyse statistique des données. Quelques exemples tests bien connus et une comparaison avec deux méthodes classiques illustrent le comportement de la méthode dans cet article, Le lecteur trouvera une étude plus complète dans Cheze et Poggi (2005). Notons pour finir que, puisque CART permet aussi de construire des arbres de classification

L. Breiman, Using iterated bagging to debias regressions, Machine Learning, vol.45, issue.3, pp.261-277, 2001.
DOI : 10.1023/A:1017934522171

L. Breiman, J. H. Friedman, R. A. Olshen, and C. J. Stone, Classification And Regression Trees, 1984.

N. Cheze, J. Et, and . Poggi, Outlier Detection by Boosting Regression Trees, Journal of Statistical Research of Iran, vol.3, issue.1, 2005.
DOI : 10.18869/acadpub.jsri.3.1.1
URL : https://hal.archives-ouvertes.fr/hal-01633703

N. Cheze, J. Poggi, and E. B. Portier, Partial and recombined estimators for nonlinear additive models, Statistical Inference for Stochastic Processes, vol.6, issue.2, pp.155-197, 2003.
DOI : 10.1023/A:1023940117323
URL : https://hal.archives-ouvertes.fr/hal-01633704

H. Drucker, Improving regressors using boosting techniques, Proc. of the 14th Int. Conf. on Machine Learning, pp.107-115, 1997.

Y. Freund, R. E. Et, and . Schapire, A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting, Journal of Computer and System Sciences, vol.55, issue.1, pp.119-139, 1997.
DOI : 10.1006/jcss.1997.1504

S. Gey, J. Et, and . Poggi, Boosting and instability for regression trees, Computational Statistics & Data Analysis, vol.50, issue.2, pp.533-550, 2006.
DOI : 10.1016/j.csda.2004.09.001
URL : https://hal.archives-ouvertes.fr/hal-00170845

I. Jolliffe, Principal Component Analysis, 2002.

D. Pena and V. Yohai, A Fast Procedure for Outlier Diagnostics in Large Regression Problems, Journal of the American Statistical Association, vol.94, issue.446, pp.434-445, 1999.
DOI : 10.2307/2670164

P. Rousseeuw, Least Median of Squares Regression, Journal of the American Statistical Association, vol.53, issue.388, pp.871-880, 1984.
DOI : 10.1214/aos/1176345451
URL : http://trac.astrometry.net/export/21103/trunk/documents/papers/dstn-review/papers/rousseeuw1984.pdf

P. Rousseeuw, A. Et, and . Leroy, Robust regression and outlier detection, 1987.
DOI : 10.1002/0471725382

P. Rousseeuw, K. Et, and . Van-driessen, A Fast Algorithm for the Minimum Covariance Determinant Estimator, Technometrics, vol.35, issue.3, pp.212-223, 1999.
DOI : 10.1080/01621459.1994.10476821

S. Verboven, M. Et, and . Hubert, LIBRA : a MATLAB library for robust analysis. Chemometrics and Intelligent Laboratory Systems 75, pp.127-136, 2005.
DOI : 10.1016/j.chemolab.2004.06.003