« Machines à vecteurs de support à noyau » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| (16 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | |||
[[Category:Apprentissage profond]] | |||
== Définition == | == 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. | 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 == | |||
'''machines à vecteurs de support à noyau (KSVM)''' | |||
== Anglais == | == Anglais == | ||
'''Kernel Support Vector Machines (KSVMs)''' | |||
== | ==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 22:15
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
