Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours couvre la comparaison de KNN, SVM et GMM en termes de nombre de paramètres requis pour la prévision. Il traite du nombre minimum de vecteurs de soutien nécessaires dans le SVM linéaire et de l'unicité des solutions. L'incidence de l'ajout d'autres points de données sur le nombre de vecteurs de soutien est expliquée, ainsi que la construction de limites de décision à l'aide de SVM. La séance de cours se penche également sur la classification non linéaire et le calcul des étiquettes de classe dans un SVM multiclasses, mettant l'accent sur l'effet de la largeur du noyau sur les limites de décision.