Apprendre le noyau : l’optimisation convexe

Cette séance de cours couvre le concept d'apprentissage de la fonction noyau dans le contexte de l'optimisation convexe. L'instructeur explique comment prédire les sorties en fonction des entrées à l'aide d'un classificateur linéaire, même lorsque les échantillons d'entraînement ne sont pas séparables linéairement. La séance de cours se penche sur le problème de la machine vectorielle à marge douce, l'utilisation de cartes de caractéristiques pour soulever les entrées vers des espaces de dimensions supérieures et la formulation du double problème. Il explore également la sélection des fonctions du noyau, telles que gaussienne, polynomiale et exponentielle, et le processus de choix du noyau optimal par validation croisée.