Méthodes de noyau: Surfaces de séparation non linéaires

Cette séance de cours couvre les méthodes du noyau pour concevoir des surfaces de séparation non linéaires. Il explique comment les classificateurs linéaires comme la régression logistique et Perceptron peuvent être adaptés en utilisant des méthodes de noyau pour traiter des données qui ne sont pas linéairement séparables. La séance de cours présente des noyaux polynômes et gaussiens, illustrant comment les limites de décision non linéaires peuvent être atteintes en transformant les vecteurs de caractéristiques en dimensions plus élevées. Il discute également de l'algorithme Perceptron basé sur le noyau, à la fois des versions non régularisées et régularisées, et montre comment les classificateurs SVM basés sur le noyau peuvent être utilisés pour déterminer les courbes de séparation non linéaires.