Machine à vecteurs de support (SVM)

Une machine à vecteurs de support (SVM) est un type d'algorithme d'apprentissage profond qui effectue un apprentissage supervisé pour la classification ou la régression de groupes de données.

Les systèmes d'apprentissage supervisé sont utilisés en apprentissage automatique et en IA. Ils fournissent des données d'entrée et des données de sortie. Celles-ci sont ensuite étiquetées pour permettre une classification. Cette classification est utilisée comme base pour le traitement des données à l'avenir. Deux groupes de données peuvent être triés par des machines à vecteurs de support. Pour séparer les groupes en fonction de leurs motifs, les algorithmes tracent des lignes (hyperplans). Un SVM construit un modèle d'apprentissage qui affecte les nouveaux exemples à un groupe ou à un autre. Ce sont ces fonctions qui font des SVM un classificateur linéaire binaire et non probabiliste. Dans les contextes de classification probabiliste, les SVM peuvent utiliser des méthodes telles que l'échelle de Platt. Comme d'autres machines d'apprentissage supervisé, un SVM nécessite des données étiquetées pour être entraîné. Des groupes de matériaux sont étiquetés pour la classification. Les matériaux de formation SVM sont séparés en divers points de l'espace, puis organisés en groupes clairement distincts. Après avoir traité de nombreux exemples de formation, les SVM peuvent effectuer un apprentissage non supervisé. Les algorithmes essaieront d'obtenir la meilleure séparation des données, la frontière autour de l'hyperplan étant maximisée et égale entre les deux côtés. Les SVM ont été inventés par Vladimir N. Vapnik et Alexey Ya. Chervonenkis a été le premier à utiliser les SVM. Les systèmes ont été utilisés pour la classification de textes et d'hypertextes. Les SVM peuvent fonctionner avec des caractères manuscrits et les algorithmes ont été utilisés dans des laboratoires de biologie pour effectuer des tâches telles que le tri des protéines. Les chatbots, les robots et les véhicules à conduite autonome utilisent des systèmes d'apprentissage supervisé et non supervisé.