Support Vector Machine

Support Vector Machin (SVM)

Les données sont représentés dans un espace mathématique a \(n\) dimension. L'approche SVM consiste à déterminer un hyper plan qui sépare espace les deux classes. Cela revient à chercher une équation de la forme \(\sum{a_i \cdot x} + b\)

L'hyperplan cherché est celui qui maximise la marge entre deux classes ou minimise le nombre de points mal classés.

Note

Les points dont dépendent l'hyperplan sont appelés "points supports". Ils sont ceux le plus proche de l'hyperplan.

Type de variables

• Quantitative

Avantages	Inconvénients
Volumétrie
Peu sensible aux valeurs aberrantes