Vecteurs de support
Classifieurs linéaires en Python
Michael (Mike) Gelbart
Instructor, The University of British Columbia
Qu'est-ce qu'un SVM ?
- Classifieurs linéaires (jusqu'ici)
- Entraînés avec la perte hinge et la régularisation L2
- Vecteur de support : un exemple d'entraînement qui n'est pas dans la zone plate du schéma de perte
- Vecteur de support : un exemple mal classé ou proche de la frontière
- Si un exemple n'est pas un vecteur de support, le retirer ne change pas le modèle
- Avoir peu de vecteurs de support rend les SVM à noyau très rapides
Point de vue « max-marge »
- Le SVM maximise la « marge » pour les jeux de données linéairement séparables
- Marge : distance entre la frontière et les points les plus proches
Point de vue « max-marge »
- Le SVM maximise la « marge » pour les jeux de données linéairement séparables
- Marge : distance entre la frontière et les points les plus proches
