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


Aucun résumé des modifications
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(3 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== 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]]).
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 ==
== Français ==
Ligne 13 : Ligne 12 :
'''RVM'''
'''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>
==Sources==


[https://en.wikipedia.org/wiki/Relevance_vector_machine  Source : Wikipedia ]
[https://en.wikipedia.org/wiki/Relevance_vector_machine  Source : Wikipedia ]
[https://espace.inrs.ca/id/eprint/2077/ Source : INRS ]
[https://espace.inrs.ca/id/eprint/2077/ Source : INRS ]


[[Catégorie:vocabulary]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 28 janvier 2024 à 11:39

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

Source : Wikipedia Source : INRS



Contributeurs: Patrick Drouin, wiki