2020-08-06 23:09:36 +02:00
|
|
|
\section{Principes}
|
|
|
|
|
|
|
|
|
|
L’approche \gls{svm} est une méthode supervisée de classification d’éléments
|
|
|
|
|
utilisant :
|
|
|
|
|
\begin{enum}
|
|
|
|
|
\item{un \gls{dataset} d’apprentissage pour entraîner l’algorithme,\\
|
|
|
|
|
et qui fait donc office de superviseur}
|
|
|
|
|
\item{un \gls{dataset} de test pour vérifier sa pertinence}
|
|
|
|
|
\end{enum}
|
|
|
|
|
|
|
|
|
|
Cette approche se révèle appropriée dans de nombreux cas d’utilisation :
|
|
|
|
|
\begin{itmz}
|
|
|
|
|
\item{classification d’images, quel que soit le \gls{si}}
|
|
|
|
|
\item{classification de protéines, dans le champ médical}
|
|
|
|
|
\item{filtrage d’email, courriel légitime ou pourriel (phishing, spam)}
|
|
|
|
|
\end{itmz}
|
|
|
|
|
|
|
|
|
|
En fonction du type de problèmes à résoudre,
|
|
|
|
|
deux types de résolution sont disponibles :
|
|
|
|
|
\begin{itmz}
|
|
|
|
|
\item{régression linéaire}
|
|
|
|
|
\item{régression non linéaire}
|
|
|
|
|
\item{classification linéaire}
|
|
|
|
|
\item{classification non linéaire}
|
|
|
|
|
\end{itmz}
|
|
|
|
|
|
|
|
|
|
\subsection{Régression}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
|
|
|
|
\subsubsection{Régression linéaire}
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Régression linéaire \cite{homl-linear}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{16em}{regression_linear_left}{regression_linear_right}
|
|
|
|
|
|
2020-08-06 23:09:36 +02:00
|
|
|
…
|
|
|
|
|
|
|
|
|
|
\subsubsection{Régression non linéaire}
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Régression non linéaire \cite{homl-nonlinear}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{16em}{regression_nonlinear_left}{regression_nonlinear_right}
|
|
|
|
|
|
2020-08-06 23:09:36 +02:00
|
|
|
…
|
|
|
|
|
|
|
|
|
|
\subsection{Classification}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
|
|
|
|
\subsubsection{Classification linéaire}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Vaste marge \cite{homl-large-scale}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{9em}{margin_large_left}{margin_large_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{ \cite{homl-large-scale}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{10em}{margin_scale_left}{margin_scale_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{ \cite{homl-hard-few}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{9em}{margin_hard_left}{margin_hard_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{ \cite{homl-hard-few}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{9em}{margin_few_left}{margin_few_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-06 23:09:36 +02:00
|
|
|
\subsubsection{Classification non linéaire}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Séparabilité linéaire \cite{homl-nonlinear-linear}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{14em}{nonlinear_linear_left}{nonlinear_linear_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Fonction noyau polynominale \cite{homl-poly}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{14em}{kernel_polynomial_left}{kernel_polynomial_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:31:53 +02:00
|
|
|
\bifig{}{Fonction noyau gaussien \gls{rbf} \cite{homl-rbf}}
|
2020-08-07 15:39:00 +02:00
|
|
|
{26em}{kernel_rbf_left}{kernel_rbf_right}
|
|
|
|
|
|
|
|
|
|
…
|
|
|
|
|
|
2020-08-07 16:06:07 +02:00
|
|
|
\cite{svm}
|
2020-08-06 23:09:36 +02:00
|
|
|
|
|
|
|
|
\pagebreak
|
