Assiste.com - Sécurité informatique - Vie privée sur le Web - Neutralité d'Internet

cr  02.01.2017      r+  21.08.2023      r-  12.06.2024      Pierre Pinard.         (Alertes et avis de sécurité au jour le jour)

SVM - SVM SVM - 01 SVM top top

L'acronyme SVM est utilisé pour : Support Vector Machine.

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.