kt
This commit is contained in:
parent
b22c45f3ec
commit
cab249c497
3 changed files with 18 additions and 2 deletions
|
@ -1,4 +1,4 @@
|
|||
\section{Exemple d’application}
|
||||
\section{Exemple}
|
||||
|
||||
…
|
||||
|
||||
|
|
|
@ -35,6 +35,10 @@ name={hyperplan},
|
|||
plural={hyperplans},
|
||||
description={sous-espace en n−1 dimesions d’un espace en n dimensions}
|
||||
}
|
||||
\newglossaryentry{kt}{
|
||||
name={kernel trick},
|
||||
description={astuce du noyau}
|
||||
}
|
||||
\newglossaryentry{ml}{
|
||||
name={machine learning},
|
||||
description={apprentissage machine automatique}
|
||||
|
|
|
@ -163,7 +163,19 @@ correspondant à la répartition des 2 catégories présentes.
|
|||
|
||||
\textbf{Noyau polynomial}
|
||||
|
||||
…
|
||||
Combiner des polynomes de degrés faibles est simple, pratique et
|
||||
relativement rapide à calculer.
|
||||
|
||||
Mais plus les \glspl{ds} seront complexes, plus il faudra composer avec
|
||||
des polynomes de plus haut degré, générant un grand nombre de variables,
|
||||
et rendant ainsi le modèle trop lent.
|
||||
|
||||
Un outil mathématique appelé \gls{kt} permet de contourner ce problème.
|
||||
Se basant sur le théorème de Mercer, il permet de remplacer dans un espace
|
||||
de grande dimension, un produit scalaire par une \gls{kf} facile à calculer.
|
||||
|
||||
Ce \gls{kt} simplifie donc les calculs, et permet d’affiner le modèle
|
||||
en jouant plus efficacement sur les hyperparamètres de ce dernier.
|
||||
|
||||
\bifig{}{\Gls{kf} polynomiale \cite{homl-poly}}
|
||||
{14em}{kernel_polynomial_left}{kernel_polynomial_right}
|
||||
|
|
Loading…
Add table
Add a link
Reference in a new issue