« Machines à vecteurs de support à noyau » : différence entre les versions
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
Aucun résumé des modifications |
||
| Ligne 8 : | Ligne 8 : | ||
De l'anglais ''Kernel Support Vector Machines (KSVM)''. Algorithme de classification qui cherche à maximiser la marge entre les classes positives et les classes négatives en associant à chaque vecteur d'entrée un vecteur dans un espace de plus grande dimension. | De l'anglais ''Kernel Support Vector Machines (KSVM)''. Algorithme de classification qui cherche à maximiser la marge entre les classes positives et les classes négatives en associant à chaque vecteur d'entrée un vecteur dans un espace de plus grande dimension. | ||
Les KSVM utilisent une fonction de perte appelée ''' | Les KSVM utilisent une fonction de perte appelée '''[[Marge maximale]]'''. | ||
== Français == | == Français == | ||
''' machines à vecteurs de support à noyau (KSVM) | '''machines à vecteurs de support à noyau (KSVM)''' | ||
== Anglais == | == Anglais == | ||
''' | '''Kernel Support Vector Machines (KSVMs)''' | ||
==Sources== | ==Sources== | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ] | [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary ] | ||
Dernière version du 22 mars 2024 à 23:15
Définition
De l'anglais Kernel Support Vector Machines (KSVM). Algorithme de classification qui cherche à maximiser la marge entre les classes positives et les classes négatives en associant à chaque vecteur d'entrée un vecteur dans un espace de plus grande dimension.
Les KSVM utilisent une fonction de perte appelée Marge maximale.
Français
machines à vecteurs de support à noyau (KSVM)
Anglais
Kernel Support Vector Machines (KSVMs)
Sources
Contributeurs: Evan Brach, Jacques Barolet, wiki
