Scribd
Importer
64 vues13 pages

Introduction aux SVM en IA

Ce document présente les machines à vecteurs de support (SVM) comme une famille d'algorithmes d'apprentissage automatique utilisés pour la classification et la régression. Il décrit leur fonctionnement, principe et applications, et propose une implémentation en Python.

Transféré par

Karelle
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd
64 vues13 pages

Introduction aux SVM en IA

Ce document présente les machines à vecteurs de support (SVM) comme une famille d'algorithmes d'apprentissage automatique utilisés pour la classification et la régression. Il décrit leur fonctionnement, principe et applications, et propose une implémentation en Python.

Transféré par

Karelle
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd

REPUBLIQUE DU BENIN

******
MINISTÈRE DE L’ENSEIGNEMENT SUPÉRIEUR
ET DE LA FORMATION TECHNIQUE
*****
FILIÈRE : Génie Informatique et Télécommunications
UE: Intelligence Artificielle et Applications

Thème: Support Vector Machine (SVM)

Réalisé par: Supervisé par:

AHANNINKPO Jannos Dr. HOUNDJI Ratheil


D’ALMEIDA Hermann
GBADESSI Ananias
KIKI Esther
Introduction.
Plan
I- Naissance et définition des SVM.

II-Théorie d’apprentissage selon Vapnik.

III- Fonctionnement et principe des SVM.

a-Principe de l’algorithme.

b-Enoncé de l’algorithme.

c- Exemples et exercices.

IV- Applications

V- Implémentation de l’algorithme en Python.


Introduction
Les avancées notables du Machine Learning ou de l'apprentissage automatique
offrent des possibilités infinies dans de nombreux domaines : banque, marchés
financiers, informatique… Cela est rendu possible par le développement
d'algorithmes capables de s'améliorer dans le temps avec l'apprentissage. C'est
le cas des machines à vecteurs de support ou Support Vector Machine (SVM)
utilisés notamment pour résoudre un problème de classification. Tout comme
l'algorithme Gradient Boosting, le SVM permet aussi de résoudre un problème
de discrimination, et de régression.
I-Naissance et définition des SVM
 Une famille d’algorithmes de Machine Learning, les premières
machines à supports de vecteurs ont été créées en 1990 par des
informaticiens russes Vladimir Vapnik et Alexey Chervonenkis.

 Résolution des problèmes de discrimination et de classification.

 Résolution des problèmes de régression mathématique.


II-Théorie d’apprentissage selon Vapnik

Modules d’un système


d’apprentissage
Les différents types d’approches

 Inférence inductive et déductive

 Inférence transductive
III-Fonctionnement et principe des SVM
• Fonctionnement:

 Considérer un ensemble de données d’entrainement.

 Trouver une frontière ou un hyperplan optimal.

 Déterminer la marge maximale.


• a-Principe des SMV
c-Enoncé de l’algorithme

Loading…
d- Exemples et exercices.

• Loading…
IV- Applications

• Traitement d’image
• Diagnostic medical
• Reconnaissance automatique du locuteur
V- Implémentation de l’algorithme en Python

• Loading…
CONCLUSION…

Vous aimerez peut-être aussi