Vue d'ensemble de la machine à vecteur de soutien

Cette séance de cours fournit une vue d'ensemble de Support Vector Machines (SVM), expliquant comment SVM mappe l'espace d'entrée vers un espace de fonctionnalité de dimension supérieure à l'aide d'une fonction noyau. Il compare SVM à d'autres classificateurs, en soulignant les avantages tels que la construction d'un modèle avec une garantie optimale globale, mais aussi en discutant des inconvénients tels que le coût de calcul et la nécessité de choisir des hyperparamètres. La séance de cours se termine par une discussion sur le moment d’utiliser la SVM et ses limites, telles que le fait d’être limité à deux classes et le manque de confiance.