From 0c9357f8ea89c81bddf29cc68b6e67cd8a776a42 Mon Sep 17 00:00:00 2001
From: Marc Beninca <cnam@marc-beninca.fr>
Date: Fri, 14 Aug 2020 02:47:22 +0200
Subject: [PATCH] similar

---
 .../probatoire/document/principles.tex        | 19 +++++++++++++++----
 1 file changed, 15 insertions(+), 4 deletions(-)

diff --git a/cnam/travaux/probatoire/document/principles.tex b/cnam/travaux/probatoire/document/principles.tex
index 017716a..04de3b3 100644
--- a/cnam/travaux/probatoire/document/principles.tex
+++ b/cnam/travaux/probatoire/document/principles.tex
@@ -182,13 +182,24 @@ en jouant plus efficacement sur les hyperparamètres de ce dernier.
 
 \textbf{Similarité}
 
-…
+Une autre façon de gérer des données non linéairement séparables
+est d’utiliser une fonction de similarité, comme la \gls{rbf} gaussienne.
 
-\bifig{}{ \cite{homl-feat-simi}}
+Le principe est de transformer les éléments en fonction de leur similitude
+avec des points de repères déterminés dans l’ensemble d’origine.
+Utiliser chacun des éléments comme point de repère augmente la probabilité
+de séparabilité linéaire, mais également le nombre de variables et donc
+le temps de calcul.
+
+La figure de gauche montre les 2 points de repère choisis en rose,
+ainsi que leur courbe gaussienne associée.
+
+La figure de droite montre tous les points transformés avec la \gls{rbf}
+gaussienne, devenant également linéairement séparables.
+
+\bifig{}{Variables de similarité utilisant la \gls{rbf} gaussienne \cite{homl-feat-simi}}
 {14em}{features_similar_left}{features_similar_right}
 
-\pagebreak
-
 \textbf{Noyau gaussien \gls{rbf}}
 
 …