« Séparateur à vaste marge » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 43 : | Ligne 43 : | ||
[https://opendatascience.com/machine-learning-for-beginners/ Source: opendatascience.com] | |||
[https://fr.wikipedia.org/wiki/Machine_%C3%A0_vecteurs_de_support Source: Wikipedia] | |||
Version du 4 juillet 2019 à 22:12
Définition
Algorithme d'apprentissage supervisé issu d'une généralisation des classificateurs linéaires et destiné à résoudre des problèmes de classification et de régression.
Les SVM ont été appliqués à de très nombreux domaines (bio-informatique, recherche d'information, vision par ordinateur, finance). Selon les données, la performance des séparateurs à vaste marge peut être du même ordre, ou même supérieure, à celle d'un réseau de neurones ou d'un modèle de mélanges gaussiens.
Note: on dit séparateur à « vaste marge » et non séparateur à « vastes marges » car il n'y a qu'une seule marge.
Français
séparateur à vaste marge n.m.
SVM acronyme masculin
machine à vecteurs de support n.f.
Anglais
support vector machine
SVM
Source: Canu, Stéphane. (2006). Apprentissage et noyaux : séparateur à vaste marge (SVM). Revue de l'Electricité et de l'Electronique. -. 69. 10.3845/ree.2006.062.
Source : Lebrun, Gilles (2006). Sélection de modèles pour la classification supervisée avec des SVM (Séparateurs à Vaste Marge), thèse de doctorat, Université de Caen Basse-Normandie, 311 pages.
Source : Kharroubi, Jamal (2002). Étude de techniques de classement ”Machines à vecteurs supports” pour la vérification automatique du locuteur, thèse de doctorat, Télécom ParisTech, 129 pages.
Source : Fernandez, Rodrigo (1999). Machines a vecteurs de support pour la reconnaissance des formes : proprietes et applications, thèse de doctorat. Université Paris 13.
Contributeurs: Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki
