« Méthode à noyau » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
(12 versions intermédiaires par 3 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
[[Catégorie:Intelligence artificielle]] | |||
[[Catégorie:Apprentissage automatique]] | |||
<!-- Coulombe --> | |||
== | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | |||
En apprentissage automatique, les méthodes à noyaux désignent une classe de méthodes qui permettent à partir d’un algorithme linéaire d’obtenir une version non linéaire. La méthode la plus répandue parmi les méthodes à noyau est le '''[[séparateur à vaste marge]]''' (SVM). Le principe est d’appliquer l’algorithme linéaire sur une projection des données dans un espace de dimension plus grande ce qui facilite la séparation des données en différentes classes. Les résultats sur les données projetées peuvent être ramenés dans l’espace de départ grâce à une métrique (ou fonction à noyau) spécifiée par l'utilisateur qui est une fonction de similarité sur des paires de points de données. | |||
==Français== | |||
'''méthode à | '''méthode à noyaux ''' | ||
'''méthode à noyau''' | |||
==Anglais== | |||
'''Kernel method ''' | |||
==Sources== | |||
[https://www.di.ens.fr/~fbach/rasma_fbach.pdf | [https://www.di.ens.fr/~fbach/rasma_fbach.pdf Source: ens.fr] | ||
[http://cedric.cnam.fr/vertigo/Cours/ml2/coursMethodesNoyaux.html | [http://cedric.cnam.fr/vertigo/Cours/ml2/coursMethodesNoyaux.html Sourrce: cedric.cnam.fr/] | ||
[[Utilisateur:Claude COULOMBE | source : Claude Coulombe]] ([[Discussion utilisateur:Claude COULOMBE | discussion]]) |
Dernière version du 28 janvier 2024 à 10:30
Définition
En apprentissage automatique, les méthodes à noyaux désignent une classe de méthodes qui permettent à partir d’un algorithme linéaire d’obtenir une version non linéaire. La méthode la plus répandue parmi les méthodes à noyau est le séparateur à vaste marge (SVM). Le principe est d’appliquer l’algorithme linéaire sur une projection des données dans un espace de dimension plus grande ce qui facilite la séparation des données en différentes classes. Les résultats sur les données projetées peuvent être ramenés dans l’espace de départ grâce à une métrique (ou fonction à noyau) spécifiée par l'utilisateur qui est une fonction de similarité sur des paires de points de données.
Français
méthode à noyaux
méthode à noyau
Anglais
Kernel method
Sources
Contributeurs: Claude Coulombe, Jacques Barolet, wiki