Séparateur à vaste marge

Définition

Le séparateur à vaste marge ou SVM est un algorithme d'apprentissage supervisé issu d'une généralisation des classificateurs linéaires et destiné à résoudre des problèmes de classification et de régression.

Créés au milieu des années 90 par Vladimir Vapnik, les SVM ont été appliqués à de nombreux domaines: bio-informatique, recherche d'information, vision par ordinateur, finance, etc.

Selon les données, la performance des séparateurs à vaste marge peut être parfois du même ordre, ou même supérieure, à celle d'un réseau de neurones ou d'un modèle de mélange gaussien.

Voir aussi classificateur

Compléments

En français, on préfère le terme « séparateur à vaste marge » qui conserve l'acronyme «SVM», aussi parfois « machine à vecteurs de support », « classificateur à vaste marge » ou « classificateur à large marge ».

Note: on dit séparateur à « vaste marge » et non séparateur à « vastes marges » car il n'y a qu'une seule marge.

---

Les SVM reposent sur une mesure de similarité calculé avec un noyau (en anglais, kernel). On dira que les SVM font partie des méthodes à noyau. En apprentissage automatique, l'astuce du noyau permet d'utiliser un classificateur linéaire pour résoudre un problème non linéaire.

Français

séparateur à vaste marge

SVM

machine à vecteurs de support (usage plus rare)

classificateur à vaste marge (usage plus rare)

classificateur à large marge (usage plus rare)

méthode à noyau

Anglais

support vector machine

SVM

kernel method

The support vector machine (SVM) is a supervised learning algorithm based on a generalization of linear classifiers and designed to solve classification and regression problems. Created in the mid-90s by Vladimir Vapnik, SVMs have been applied to a wide range of fields, including bioinformatics, information retrieval, computer vision and finance. Depending on the data, the performance of wideband separators can sometimes be of the same order, or even better, than that of a neural network or Gaussian mixture model.

Español

máquina de vectore de soporte/máquina de vector soporte

La máquina de vectores de soporte o SVM es un algoritmo de aprendizaje supervisado derivado de una generalización de los clasificadores lineales y diseñado para resolver problemas de clasificación y regresión. Fue creado a mediados de los 90 por Vladimir

Vapnik, las SVM se han aplicado a una amplia gama de campos, como la bioinformática, la recuperación de información, la visión por ordenador y las finanzas. Dependiendo de los datos, el rendimiento de los separadores de amplio margen puede ser a veces del mismo orden, o incluso mejor, que el de una red neuronal o un modelo de mezcla gaussiano.

Sources

Source: Canu, Stéphane. (2006). Apprentissage et noyaux : séparateur à vaste marge (SVM). Revue de l'Electricité et de l'Electronique. -. 69. 10.3845/ree.2006.062.

Source: Lebrun, Gilles (2006). Sélection de modèles pour la classification supervisée avec des SVM (Séparateurs à Vaste Marge), thèse de doctorat, Université de Caen Basse-Normandie, 311 pages.

Source: Kharroubi, Jamal (2002). Étude de techniques de classement ”Machines à vecteurs supports” pour la vérification automatique du locuteur, thèse de doctorat, Télécom ParisTech, 129 pages.

Source: Fernandez, Rodrigo (1999). Machines a vecteurs de support pour la reconnaissance des formes : proprietes et applications, thèse de doctorat. Université Paris 13.

Source: Opendatascience.com

Source: Wikipedia, Machine à vecteurs de support

Source: Termino

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »