Méthodes du noyau : SVM et régression

Cette séance de cours couvre les concepts de modèles linéaires, de marge, de classificateur de marge maximale, de machine vectorielle de support, de variables slack, de malédiction de dimensionnalité, de méthode de voisin le plus proche, de k voisins le plus proche, d'ajustement de courbe polynomiale, d'expansion de caractéristique polynomiale, de fonctions noyau, d'astuce noyau, de régression de noyau, de régression de processus gaussien et de formulation double de SVM. Il explique également l'importance de l'expansion des fonctionnalités, du théorème de Représenter et du processus de prédiction dans la régression du noyau. La séance de cours se termine par des exemples de SVM du noyau et les avantages et inconvénients des méthodes du noyau.