beninca.link/cnam.marc
beninca.link/cnam.marc
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

similar

Browse source
This commit is contained in:
Marc Beninca 2020-08-14 02:47:22 +02:00
parent cab249c497
commit 0c9357f8ea
1 changed files with 15 additions and 4 deletions
Download patch file Download diff file Expand all files Collapse all files

19
cnam/travaux/probatoire/document/principles.tex
View file

@ -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}}
…