Machine à vecteurs de support (Classification)
La Machine à vecteurs de support (SVM), introduite par Corinna Cortes et Vladimir Vapnik en 1995, est un classifieur qui trouve l'hyperplan séparateur optimal entre les classes dans un espace de haute dimension. Elle choisit la frontière qui laisse la marge la plus large possible aux points d'entraînement les plus proches, ce qui rend ses décisions robustes sur de nouvelles données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Sources
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/fr/machine-learning/svm-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Plus Proches Voisins (PPV)Apprentissage automatique↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Naive BayesApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Régression par vecteurs de supportApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →