Les machines à supports vecteurs (SVMs) et les méthodes reliées aux noyaux sont devenues des outils fort populaires pour la fouille des données telle que la classification et la régression. Nous développons une interprétation géométrique intuitive des machines à supports vecteurs générales pour la classification de données linéairement séparables et inséparables. Pour le cas séparable, trouver la marge maximale entre les deux ensembles est équivalent à trouver les points les plus proches des enveloppes convexes. Nous étendrons cet argument au cas inséparable en utilisant l'enveloppe convexe réduite loin des 'outliners'. Nous prouvons que résoudre la formulation de l'enveloppe convexe réduite est exactement équivalente à résoudre SVM inséparable pour un choix approprié des paramètres. Par le choix de paramètres appropriés, la nouvelle formulation devient claire de manière géométrique et peut être résolue par des algorithmes rapides du point le plus proche.
Machines à supports vecteurs. Un point de vue géométrique
GETTI, V. (Auteur). juin 2002
Student thesis: Master types › Master en sciences mathématiques