Programme module 2

Machines à Vecteurs de Support (2 jours)

  • Intuition des SVM : le cas d’un échantillon linéairement séparable
    - Classifieur linéaire et notion de marge
    - Hyperplan séparateur optimal
    - Vecteurs de support
  • Formalisation du SVM
    - Ecriture du programme primal
    - Ecriture du programme dual
    - Soft margin et variables ressorts (slacks)
  • Kernel trick
    - Espace de représentation et fonction kernel
    - Ecriture du programme dual avec kernel
    - Mise en œuvre sous Python, R et SAS
  • Section 7 : Extensions du SVM
    - SVM et scores
    - SVM multi-classes
    - Régressions à vecteurs de support (SVR)
    - LS-SVM

Home > Certificats > Machine Learning pour la Modélisation du Risque de Crédit > Programme machine learning module 2