\section{Conclusion}

Les \gls{svm} sont incontournables dans le domaine du \gls{ml},
tant par leur polyvalence que leur flexibilité.
Le nombre de pré-traitements, techniques, algorithmes et méthodes
mathématiques impliqués en font un outil redoutablement efficace
pour la régression et la classification de données.

De très nombreux langages de programmation permettent aujourd’hui de
s’interfacer avec des librairies implémentant déjà nombre de ces concepts
(par exemple libSVM \cite{lib-svm} ou encore SVM-Light \cite{lib-svm-light}).

Même si certains éléments clés comme le \gls{kt} et les \glspl{kf}
sont bien ancrés, ce domaine est toujours un champ de recherche en
constante activité. Au fil du temps, de nouvelles techniques et optimisations
ont vu le jour, et d’autres viendront encore aiguiser les modèles…

\pagebreak