Soutenez la régression vectorielle : Nu-SVR et RVR

Cette séance de cours couvre des sujets avancés en apprentissage automatique, en se concentrant sur les extensions Support Vector Regression (SVR). Il explique les principes de SVR, l'optimisation des hyperparamètres, et introduit Nu-SVR et la Régression des Vecteurs de Pertinence (RVR). L'instructeur discute du problème d'optimisation des contraintes, des hyperparamètres C et E et du contrôle de précision de l'ajustement. La séance de cours explore également les différences entre E-SVR et V-SVR, l'effet de l'adaptation automatique de, et l'approche bayésienne en RVR. Il se termine par une comparaison de -SVR, V-SVR et RVR à l'aide d'un noyau RBF, mettant en évidence les performances et la parcimonie de chaque modèle.