This commit is contained in:
Marc Beninca 2020-08-13 23:32:27 +02:00
parent a8f9a57279
commit bab5b230bb

View file

@ -77,6 +77,8 @@ Il s’agit du type de résolution le plus fréquemment utilisé.
Cette section se penche sur la classification de 2 espèces d’iris,
en fonction des longueurs et largeurs de leurs pétales.
\textbf{Séparation à Vaste Marge}
La figure de gauche montre que dans l’absolu, un grand nombre de droites
peut séparer correctement les 2 ensembles à classifier.
La figure de droite montre cependant qu’en utilisant les éléments
@ -84,8 +86,6 @@ les plus proches, appelés dans ce cas \glspl{sv}, il est alors possible
de définir une marge de séparation la plus large qui soit, afin de
déterminer la droite médiane de séparation la plus efficace.
Ce processus est couramment appelé Séparation à Vaste Marge.
\bifig{}{Séparation à Vaste Marge \cite{homl-large-scale}}
{9em}{margin_large_left}{margin_large_right}
@ -100,7 +100,9 @@ La figure de droite montre l’inclusion d’un \gls{sv} supplémentaire.
\pagebreak
Cette approche peut être perturbée par 2 problématiques distinctes.
\textbf{Séparation à marge souple}
L’approche de vaste marge peut être perturbée par 2 problématiques distinctes.
La figure de droite montre par exemple des \glspl{sv} tellement proches,
que la pertinence du modèle s’en trouve forcément impactée, réduisant