« Machine à vecteur de pertinence » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| Ligne 14 : | Ligne 14 : | ||
<!-- In mathematics, a Relevance Vector Machine (RVM) is a machine learning technique that uses Bayesian inference to obtain parsimonious solutions for regression and probabilistic classification.[1] The RVM has an identical functional form to the support vector machine, but provides probabilistic classification. --> | <!-- In mathematics, a Relevance Vector Machine (RVM) is a machine learning technique that uses Bayesian inference to obtain parsimonious solutions for regression and probabilistic classification.[1] The RVM has an identical functional form to the support vector machine, but provides probabilistic classification. --> | ||
==Sources== | |||
[https://en.wikipedia.org/wiki/Relevance_vector_machine Source : Wikipedia ] | [https://en.wikipedia.org/wiki/Relevance_vector_machine Source : Wikipedia ] | ||
Dernière version du 28 janvier 2024 à 10:39
Définition
La machine à vecteur de pertinence est un modèle stochastique bayésien spécialisé qui utilise la même fonction de noyau, dépendant des données, qu'un séparateur à vaste marge (SVM).
Français
machine à vecteur de pertinence
MVP
Anglais
relevance vector machine
RVM
Sources
Contributeurs: Patrick Drouin, wiki
