Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Soutenez des machines de vecteur : Hyperparameters et V-SVM

Dans cours

MICRO-455: Machine learning I

Description

Cette séance de cours couvre les hyperparamètres de Support Vector Machines (SVM), y compris le facteur de pénalité C et l'introduction d'une nouvelle variable p dans V-SVM pour contrôler l'erreur de marge. Il explique l'impact de différents choix d'hyperparamètres sur la fonction d'optimisation et le nombre de vecteurs de support. En outre, il introduit la Pertinence Vector Machine (RVM) comme une technique de classification clairsemée.

Enseignant·e

Aude Billard

Source officielle

Concepts associés (18)

Machine à vecteurs de support

Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.

Optimisation (mathématiques)

L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.

Processeur vectoriel

vignette|Processeur vectoriel d'un supercalculateur Cray-1. Un processeur vectoriel est un processeur possédant diverses fonctionnalités architecturales lui permettant d'améliorer l’exécution de programmes utilisant massivement des tableaux, des matrices, et qui permet de profiter du parallélisme inhérent à l'usage de ces derniers. Développé pour des applications scientifiques et exploité par les machines Cray et les supercalculateurs qui lui feront suite, ce type d'architecture a rapidement montré ses avantages pour des applications grand public (on peut citer la manipulation d'images).

Optimisation combinatoire

L’optimisation combinatoire, (sous-ensemble à nombre de solutions finies de l'optimisation discrète), est une branche de l'optimisation en mathématiques appliquées et en informatique, également liée à la recherche opérationnelle, l'algorithmique et la théorie de la complexité. Dans sa forme la plus générale, un problème d'optimisation combinatoire (sous-ensemble à nombre de solutions finies de l'optimisation discrète) consiste à trouver dans un ensemble discret un parmi les meilleurs sous-ensembles (ou solutions) réalisables, la notion de meilleure solution étant définie par une fonction objectif.

Constrained optimization

In mathematical optimization, constrained optimization (in some contexts called constraint optimization) is the process of optimizing an objective function with respect to some variables in the presence of constraints on those variables. The objective function is either a cost function or energy function, which is to be minimized, or a reward function or utility function, which is to be maximized.

Afficher plus

Séances de cours associées (35)

Machines vectorielles de soutien: SVM Basics

Couvre les bases de Support Vector Machines, en se concentrant sur les formulations de marge dure et de marge molle.

Soutenez des machines de vecteur : SVMs

Explore Support Vector Machines, couvrant la marge ferme, la marge souple, la perte de charnière, la comparaison des risques et la perte de charnière quadratique.

Classeurs Max-Margin

Explore la maximisation des marges pour une meilleure classification à l'aide de machines vectorielles de support et l'importance de choisir le bon paramètre.

Dérivation linéaire SVM

Couvre la dérivation de la machine vectorielle de soutien linéaire (SVM) et les conditions Karush-Kuhn-Tucker (KKT).

Classification binaire MOOC: Systèmes IoT et applications industrielles avec Design Thinking

Explique comment trouver le meilleur hyperplan pour séparer deux classes.

Afficher plus

Concepts associés (18)

Machine à vecteurs de support

Optimisation (mathématiques)

Processeur vectoriel

Optimisation combinatoire

Constrained optimization

Afficher plus