Vecteurs de support
Classificateurs 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 : exemple d'entraînement non dans la zone plate du diagramme de perte
- Vecteur de support : exemple mal classé ou près de la frontière
- Si un exemple n'est pas un vecteur de support, l'enlever ne change pas le modèle
- Peu de vecteurs de support rendent les SVM à noyau très rapides
Point de vue à marge maximale
- Le SVM maximise la « marge » pour les ensembles linéairement séparables
- Marge : distance de la frontière aux points les plus proches
Point de vue à marge maximale
- Le SVM maximise la « marge » pour les ensembles linéairement séparables
- Marge : distance de la frontière aux points les plus proches
