« Marge maximale » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 4 : Ligne 4 :
[[Category:Google]]Google<br />
[[Category:Google]]Google<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:Apprentissage profond]]Apprentissage profond<br />
 
[[Category:scotty]]
<br />
<br />


== Définition ==
== Définition ==
Famille de fonctions de perte pour la classification conçue pour déterminer la frontière de décision la plus éloignée possible de chaque exemple d'apprentissage, afin de minimiser la marge entre les exemples et la frontière.  
Famille de fonctions de perte pour la classification, conçue pour déterminer la frontière de décision la plus éloignée possible de chaque exemple d'apprentissage, afin de maximiser la marge entre les exemples et la frontière. Les KSVM utilisent la marge maximale (ou une fonction associée, par exemple le carré de la marge maximale). Dans le cas de la classification binaire, la fonction de marge maximale est définie ainsi :


[[ Fichier:Marge maximale1.jpg ]]


Où y' est la sortie brute du modèle du classificateur :


 
[[ Fichier:Marge maximale2.jpg ]]
Les KSVM utilisent la marge maximale (ou une fonction associée, par exemple le carré de la marge maximale). Dans le cas de la classification binaire, la fonction de marge maximale est définie ainsi :
 
Où y' est la sortie brute du modèle du classificateur :


et y est l'étiquette réelle, soit -1, soit +1.
et y est l'étiquette réelle, soit -1, soit +1.


Par conséquent, le graphique de la marge maximale en fonction de (y * y') est de la forme suivante :
Par conséquent, le graphique de la marge maximale en fonction de (y * y') est de la forme suivante :
[[ Fichier:Marge maximale3.jpg ]]





Version du 1 décembre 2018 à 13:06

Domaine

Vocabulaire
Google
Apprentissage profond


Définition

Famille de fonctions de perte pour la classification, conçue pour déterminer la frontière de décision la plus éloignée possible de chaque exemple d'apprentissage, afin de maximiser la marge entre les exemples et la frontière. Les KSVM utilisent la marge maximale (ou une fonction associée, par exemple le carré de la marge maximale). Dans le cas de la classification binaire, la fonction de marge maximale est définie ainsi :

Marge maximale1.jpg

Où y' est la sortie brute du modèle du classificateur :

Marge maximale2.jpg

et y est l'étiquette réelle, soit -1, soit +1.

Par conséquent, le graphique de la marge maximale en fonction de (y * y') est de la forme suivante :

Marge maximale3.jpg




Termes privilégiés

marge maximale n.f.


Anglais

hinge loss




Source: Google machine learning glossary