Régression SVM


(Redirigé depuis Regression SVM)
La version imprimable n’est plus prise en charge et peut comporter des erreurs de génération. Veuillez mettre à jour les signets de votre navigateur et utiliser à la place la fonction d’impression par défaut de celui-ci.

Définition

Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais Support Vector Machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires et peuvent également être utilisées comme méthode de régression, en conservant toutes les principales caractéristiques qui définissent l'algorithme (marge maximale).

La régression SVM utilise les mêmes principes que la SVM pour la classification, à quelques différences près. Par exemple, comme la sortie est un nombre réel, il devient très difficile de prédire les informations disponibles, ce qui offre des possibilités infinies.

Français

Régression SVM (Machine à vecteurs de support)

Anglais

Regression SVM (Support Vector Machine)

Sources

Source : saedsayad.com

Source : Accenture - applied intelligence glossary

Source : wikipedia.org



Contributeurs: Imane Meziani, wiki, Sihem Kouache