« Régression SVM » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (6 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires et peuvent également être utilisées comme méthode de régression, en conservant toutes les principales caractéristiques qui définissent l'algorithme (marge maximale). | |||
La régression SVM utilise les mêmes principes que la SVM pour la classification, | La régression SVM utilise les mêmes principes que la SVM pour la classification, à quelques différences près. Par exemple, comme la sortie est un nombre réel, il devient très difficile de prédire les informations disponibles, ce qui offre des possibilités infinies. | ||
== Français == | == Français == | ||
'''Régression SVM''' (Machine à vecteurs de support) | '''Régression SVM''' (Machine à vecteurs de support) | ||
== Anglais == | == Anglais == | ||
''' Regression SVM''' (Support Vector Machine) | ''' Regression SVM''' (Support Vector Machine) | ||
==Sources== | |||
[https://www.saedsayad.com/support_vector_machine_reg.htm Source : saedsayad.com] | [https://www.saedsayad.com/support_vector_machine_reg.htm Source : saedsayad.com] | ||
[https://www.accenture.com/us-en/applied-intelligence-glossary Source : Accenture - applied intelligence glossary ] | [https://www.accenture.com/us-en/applied-intelligence-glossary Source : Accenture - applied intelligence glossary ] | ||
[https://fr.wikipedia.org/wiki/Machine_%C3%A0_vecteurs_de_support Source : wikipedia.org] | |||
[[Catégorie:ENGLISH]] | [[Catégorie:ENGLISH]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 28 janvier 2024 à 12:16
Définition
Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires et peuvent également être utilisées comme méthode de régression, en conservant toutes les principales caractéristiques qui définissent l'algorithme (marge maximale).
La régression SVM utilise les mêmes principes que la SVM pour la classification, à quelques différences près. Par exemple, comme la sortie est un nombre réel, il devient très difficile de prédire les informations disponibles, ce qui offre des possibilités infinies.
Français
Régression SVM (Machine à vecteurs de support)
Anglais
Regression SVM (Support Vector Machine)
Sources
Contributeurs: Imane Meziani, wiki, Sihem Kouache
