Séance de cours
Machines vectorielles de soutien: bases et applications
Description
Cette séance de cours couvre les bases des machines vectorielles de support (SVM), y compris les hyperplans, la prédiction multi-sorties, la non-linéarité, l'interprétation probabiliste, la régression logistique, les limites de décision, le classificateur de marge maximale, les variables slack, la formulation SVM et des exemples pratiques. Il traite également de la malédiction de la dimensionnalité, de la méthode du plus proche voisin, des modèles linéaires, des histogrammes et de l'algorithme k-NN. La séance de cours se termine par des exercices sur la mise en œuvre de SVM et de k-NN.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.