131 lines
3.2 KiB
TeX
131 lines
3.2 KiB
TeX
\section{Critiques}
|
|
|
|
|
|
\subsection{Avantages}
|
|
|
|
|
|
\begin{itmz}
|
|
|
|
\item{le modèle \gls{svm} est considéré comme plutôt stable, car\\
|
|
de petits changements dans les données impactent peu les \glspl{hpp}}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{ce même modèle peut être utilisé à la fois pour\\
|
|
résoudre des problèmes de régression et de classification}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{est souvent une meilleure alternative aux réseaux de neurones,\\
|
|
surtout dans le cas de \glspl{ds} de taille réduite}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{très précis avec une marge de séparation nette}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{peut capturer des relations complexes dans des \glspl{ds},\\
|
|
même sans connaissance préalable de ces dernières}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{fonctionne avec un grand nombres d’espaces dimensionnels}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{reste pertinent même avec plus de dimensions que d’éléments}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{capacité de régularisation pour rester générique,\\
|
|
afin d’éviter les risques de surentraînement}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{économise la mémoire nécessaire aux fonctions de décision,\\
|
|
en ne leur faisant traiter que des \glspl{sv}}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{permet de gérer efficacement des données non linéaires,\\
|
|
par l’intermédiaire de différentes \glspl{kf}}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{de nombreuses \glspl{kf} existent pour les fonctions de décision}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{il est possible de combiner plusieurs \glspl{kf},\\
|
|
pour pouvoir travailler avec des \glspl{hpp} plus complexes}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\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}
|
|
|
|
|
|
\begin{itmz}
|
|
|
|
\item{le choix d’une \gls{kf} appropriée n’est pas évident,\\
|
|
et peut facilement mener à un trop grand nombre de \glspl{sv}}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{la mémoire nécessaire augmente avec le nombre de \glspl{sv},\\
|
|
car ces derniers doivent y être intégralement stockés}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{difficile d’identifier les bonnes valeurs de paramètres,\\
|
|
sans passer par des techniques comme \gls{gs}}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{le temps d’entraînement augmente avec le nombre d’éléments}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{les calculs de probabilité de justesse sont très coûteux,\\
|
|
nécessitant une validation croisée en plusieurs étapes}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{les modèles sont difficilement interprétables par des humains,\\
|
|
contrairement par exemple aux arbres de décisions}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{effet boîte noire en cas de compréhension insuffisante\\
|
|
des différents outils mathématiques sous-jacents}
|
|
|
|
\end{itmz}
|
|
|
|
|
|
\subsection{Limitations}
|
|
|
|
|
|
\begin{itmz}
|
|
|
|
\item{fonctionne mal quand des classes se recouvrent, car\\
|
|
plusieurs paramètres varient, contrairement à d’autres méthodes}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{une normalisation préalable des données est nécessaire,\\
|
|
pour que les fonctions objectifs soient plus pertinentes}
|
|
|
|
\end{itmz}\begin{itmz}
|
|
|
|
\item{les problèmes multi-classes sont encore un champ de recherche}
|
|
|
|
\end{itmz}
|
|
|
|
|
|
\pagebreak
|