SVM (01) - Support Vector Machine : un ensemble de techniques d' « apprentissage supervisé » en informatique.

cr  02.01.2017      r+  21.08.2023      r-  08.05.2024      Pierre Pinard.         (Alertes et avis de sécurité au jour le jour)

En français : « Machine à vecteurs de support » ou « Séparateurs à vaste marge ».

Les SVM (« Support-Vector Machine ») ou, en français, les MVS « Machine à vecteurs de support » (on dit également « Séparateurs à vaste marge » pour avoir le même acronyme que le nom anglais) 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 SVM (« Support-Vector Machine ») 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.

Les SVM ont rapidement été adoptés pour leur capacité à travailler avec des données de grandes dimensions, le faible nombre d'hyperparamètres, leurs garanties théoriques, et leurs bons résultats en pratique.

Les SVM ont été appliqués dans de nombreux domaines (bio-informatique, recherche d'information, vision par ordinateur, finances…). Selon les données, la performance des « Machine à vecteurs de support » est du même ordre, ou même supérieure, à celle d'un réseau de neurones ou d'un modèle de mélanges gaussiens.

1. Wikipédia (FR) : Machine à vecteurs de support

2. Wikipedia (EN) : Support vector machine

3. larevueia.fr (FR) : Support Vector Machines (SVM)

4. geekflare (FR) : Machine à vecteur de support (SVM) dans l'apprentissage automatique

5. ts2.space (FR) : IA et machine à vecteurs de support (SVM)

6. unite.ai (FR) : Que sont les machines à vecteurs de support ?

7. eitca.org (FR) : Académie européenne de certification des technologies de l’information - Quels sont les avantages de l’utilisation de machines à vecteurs de support (SVM) dans les applications d’apprentissage automatique ?

8. Wikipédia (FR) : Théorème de Gauss (physique)

9. datascientest.com (FR) : SVM, quoi, comment, pourquoi ? Part.1

10. datascientest.com (FR) : SVM, quoi, comment, pourquoi ? Part.2

11. databusiness-ai.com (FR) : applications des SVM