« Machine à vecteur de pertinence » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 13 : | Ligne 13 : | ||
'''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> | <small> | ||
Version du 22 novembre 2022 à 16:12
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. ->
Contributeurs: Patrick Drouin, wiki
