Support Vecteurs Machines: Théorie et Applications

Cette séance de cours couvre la théorie et les applications de Support Vector Machines (SVM) dans l'apprentissage des machines. Il traite du concept de SVM, du nombre minimal de paramètres requis pour la prédiction, de l'unicité des solutions, du rôle des vecteurs de soutien et de l'impact de l'ajout de points de données sur le modèle SVM. La séance de cours explore également la classification non linéaire à l'aide de SVM, l'utilisation du noyau RBF pour la construction des limites de décision et la classification multiclasses de SVM. Différents scénarios sont présentés pour comprendre le comportement de SVM dans différentes situations.