Tout savoir sur le Support Vector Machine (SVM) - LES MODELES LINEAIRES #16
Vložit
- čas přidán 24. 07. 2024
- Abonnez-vous à la chaîne afin de me soutenir, grâce à votre abonnement vous allez faire grandir cette chaîne et me permettre de créer plus de contenus.
Dans cette vidéo, je vais vous expliquer toute la théorie qui se cache derrière l'algorithme du Support Vector Machine.
Avoir accès à la formation en ligne :
www.aiforyou.fr/formations-en...
Si vous voulez avoir accès aux codes et aux pdf de cette formation, cliquez sur le lien ci-dessous :
modele_arbre.ck.page/f7993d66ba
Si vous avez envie de me soutenir et m'aider à developper ce projet, n'hésitez pas à regarder des vidéos ou à faire un don sur mon tipeee : fr.tipeee.com/aiforyou
Si vous avez apprécié ce contenu, aimez la vidéo et abonnez-vous à la chaîne afin d'être au courant des prochaines nouveautés. - Věda a technologie
On a vraiment besoin cette vidéo (théorie de la régression).
Vraiment vous nous ouvre la porte de l'intelligence
Merci d'avance
Hello Souleymane,
Merci pour ton retour ça fait vraiment plaisir :)
J'essaie effectivement de partager ce que j'apprend le plus possible :p
Super, merci ça m'a beaucoup aidée ! Avez-vous prévu une vidéo sur la formulation duale du problème ? Pour les cas non linéaires.
Non, ce n'est pas prévu.
La semaine prochaine sort une série des vidéos sur les KNN.
Je suis en train de travailler sur une série sur les algorithmes non-supervisés.
@@AIforyouMorganGautherot c'est noté merci :)
@@MLA263 De rien, bonne journée :)
Bonjour
Belle explication!
Une question: Pourquoi le vecteur poids est perpendiculaire à la droite de la combinaison linéaire?
Et si on a un dataset bimodal est ce que c'est la même chose?
Bonjour !
La norme d'un vecteur, ce n'est pas plutôt racine(u1carré "+" u2carré), et non pas "-" ? C'est Pythagore.
Effectivement, il y a une coquille ici.
La norme d'un vecteur u (x, y) c'est bien racine(x^2 + y^2)
@@AIforyouMorganGautherot heureusement j'ai failli me barrer sinon superbe vidéo
ça dépend ... si tu te places dans un espace de Minkowski ça marche...
@@remiandre5475 Oh oui ! une géométrie liée à la relativité restreinte 😁👍