Machine à vecteur de pertinence


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

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.

Source : Wikipedia Source : INRS

Contributeurs: Patrick Drouin, wiki