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

pros,cons

Browse source
This commit is contained in:
Marc Beninca 2020-08-12 16:17:24 +02:00
parent 7a4ab3c8cd
commit 80a2063642
2 changed files with 18 additions and 3 deletions
Download patch file Download diff file Expand all files Collapse all files

8
cnam/travaux/probatoire/document.bib
View file

@ -71,6 +71,14 @@ publisher = "O'Reilly",
pages = "164",
}
@phdthesis{large-scale,
author = "Antoine Bordes",
title = "New Algorithms for Large-Scale SVM",
year = "2010",
school = "Université Paris VI",
}
@book{csdd,
author = "Jean Beney",
title = "Classification supervisée de documents : théorie et pratique",

13
cnam/travaux/probatoire/document/analysis.tex
View file

@ -7,7 +7,10 @@
de petits changements dans les données impactent peu les \glspl{hpp}}
\item{ce même modèle peut être utilisé à la fois pour\\
résoudre des problèmes de régression ou de classification}
\item{très efficace avec une marge de séparation nette}
\item{est une alternative aux réseaux de neurones,\\
dans le cas de \glspl{ds} de taille réduite}
\item{très précis avec une marge de séparation nette}
\item{peut capturer des relations complexes dans des \glspl{ds}}
\item{fonctionne avec un grand nombres d’espaces dimensionnels}
\item{reste pertinent même avec plus de dimensions que d’éléments}
\item{capacité de régularisation pour rester générique,\\
@ -19,6 +22,8 @@ par l’intermédiaire de différentes \glspl{kf}}
\item{une variété de \glspl{kf} existe pour les fonctions de décision}
\item{il est possible de combiner plusieurs \glspl{kf},\\
pour pouvoir travailler avec des \glspl{hpp} plus complexes}
\item{pendant longtemps considéré inadapté aux très grands \glspl{ds},\\
de nouveaux algorithmes ont été mis à contribution depuis \cite{large-scale}}
\end{itmz}
\subsection{Inconvénients}
@ -29,7 +34,8 @@ et peut facilement mener à un trop grand nombre de \glspl{sv}}
\item{la mémoire nécessaire augmente avec le nombre de \glspl{sv},\\
car ces derniers doivent y être intégralement stockés}
\item{le temps d’entraînement augmente avec le nombre d’éléments}
\item{les calculs de probabilité de justesse sont très coûteux}
\item{les calculs de probabilité de justesse sont très coûteux,\\
nécessitant une validation croisée en plusieurs étapes}
\item{les modèles sont difficilement interprétables par des humains,\\
contrairement par exemple aux arbres de décisions}
\item{effet boîte noire si compréhension insuffisante des outils mathématiques}
@ -38,7 +44,8 @@ contrairement par exemple aux arbres de décisions}
\subsection{Limitations}
\begin{itmz}
\item{fonctionne mal quand des classes se recouvrent}
\item{fonctionne mal quand des classes se recouvrent, car\\
plusieurs paramètres varient, contrairement à d’autres méthodes}
\item{une normalisation préalable des données est nécessaire,\\
pour que les fonctions objectifs restent pertinentes}
\end{itmz}