« Machine à vecteur de pertinence » : différence entre les versions

Version du 22 novembre 2022 à 16:09

en construction

Définition

La MVP 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

@@ Ligne 2 : / Ligne 2 : @@
 == Définition ==
-XXXXXXXXX
+ La MVP est un modèle stochastique bayésien spécialisé qui utilise la même fonction de noyau,
+dépendant des données, qu'un [[séparateur à vaste marge]] ([[SVM]]).
 == Français ==
-''' XXXXXXXXX '''
+''' machine à vecteur de pertinence '''
+''' MVP '''
 == Anglais ==
-''' Relevance vector machine'''
+''' 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.
+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.
 <small>
 [https://en.wikipedia.org/wiki/Relevance_vector_machine  Source : Wikipedia ]
+[https://espace.inrs.ca/id/eprint/2077/ Source : INRS ]
 [[Catégorie:vocabulary]]