Assiste.com
SVM - Support Vector Machine : un ensemble de techniques d' « apprentissage supervisé » en informatique.
cr 02.01.2017 r+ 21.08.2023 r- 20.10.2024 Pierre Pinard. (Alertes et avis de sécurité au jour le jour)
|
Dossier (collection) : Acronymes, sigles et abréviations |
|---|
| Introduction Liste Malwarebytes et Kaspersky ou Emsisoft (incluant Bitdefender) |
| Sommaire (montrer / masquer) |
|---|
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.
|
