Support vector machine

De wiki.datafranca.org
Aller à : navigation, rechercher

Domaine

Vocabulary


Domaine

Vocabulaire
Intelligence artificielle
Apprentissage automatique
Coulombe


Définition

Les séparateurs à vaste marge (ou machines à vecteurs de support, en anglais support vector machine, SVM) sont un ensemble d'algorithmes d'apprentissage supervisé destinées à résoudre des problèmes de classification et de régression. Les SVM sont une généralisation des classificateurs linéaires.

Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Chervonenkis. Ils ont rapidement été adoptés pour leur capacité à travailler avec des données de grandes dimensions, le faible nombre d'hyperparamètres, leurs garanties théoriques, et leurs bons résultats en pratique.

Les SVM ont été appliqués à de très nombreux domaines (bio-informatique, recherche d'information, vision par ordinateur, finance1…). Selon les données, la performance des machines à vecteurs de support peut être du même ordre, ou même supérieure, à celle d'un réseau de neurones ou d'un modèle de mélanges gaussiens.

Source:

https://fr.wikipedia.org/wiki/Machine_%C3%A0_vecteurs_de_support

Français

Choisissez parmi ces termes proposés :
Merci de voter ci-dessous.
Vous n'êtes pas autorisé à voir les résultats de ce sondage.
Il y avait un vote depuis l’élaboration du sondage au 19 février 2019 à 23:41.
poll-id 1A062515511B5C3AE1290F1887CB0437

Discussion:

Pour le moment, le terme privilégié est «séparateur à vaste marge».

Discussion:

Le terme séparateur à vaste marge a l'avantage de conserver l'acronyme SVM tout en décrivant bien le concept.
On dit «à vaste marge» et non «à vastes marges» car il y a une marge unique.

Anglais

support vector machine










Définition

Français

Anglais