machine à vecteurs de support
Sign in to saveAlso known as SVM, support vector machines, SVMs
ensemble de techniques d'apprentissage supervisé
Research
41,692 papers- Applications of Support Vector Machine (SVM) Learning in Cancer Genomics.Cancer genomics & proteomics · 2018
- Functional support vector machine.Biostatistics (Oxford, England) · 2024
- Robust one-class support vector machine.Neural networks : the official journal of the International Neural Network Society · 2025
- Support-Vector Machine-Based Classifier of Cross-Correlated Phoneme Segments for Speech Sound Disorder Screening.Studies in health technology and informatics · 2022
- Bayesian Optimization with Support Vector Machine Model for Parkinson Disease Classification.Sensors (Basel, Switzerland) · 2023
via PubMed
Wikidata facts
- Subclass of
- supervised learning
- Part of
- supervised learning
- Image
- SVM margin.png
Show 6 more facts
- Commons category
- Support vector machine
- Stack Exchange tag
- stats.stackexchange.com/tags/svm
- topic's main category
- Category:Support vector machines
- discoverer or inventor
- Alexey Chervonenkis
- inception
- 1963-00-00
- short name
- TVM
via Wikidata · CC0
Article · Français
Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) 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 séparateurs à vaste marge 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-Chervonenkis. Ils 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 à de très nombreux domaines (bio-informatique, recherche d'information, vision par ordinateur, finance…). Selon les données, la performance des machines à vecteurs de support est de même ordre, ou même supérieure, à celle d'un réseau de neurones ou d'un modèle de mélanges gaussiens[réf. souhaitée].
Abstract from DBpedia / Wikipedia · CC BY-SA