Kernel SVM

Le Kernel SVM est une extension des SVM (Support Vector Machines) qui permet de traiter des données non linéairement séparables en utilisant une fonction de kernel pour transformer l’espace des caractéristiques. Cela permet au SVM de trouver des frontières de décision complexes, même lorsque les données ne peuvent pas être séparées linéairement dans l’espace d’origine. Imaginez que vous essayiez de séparer des points sur une feuille de papier en utilisant une ligne droite, mais que cela s’avère impossible. En pliant ou en tordant la feuille (transformation de l’espace), vous pourriez rendre la séparation possible.

Exemple : Dans un problème de classification des e-mails en « spam » ou « non spam », les caractéristiques des e-mails pourraient être transformées à l’aide d’une fonction de kernel, permettant à un SVM de trouver une frontière de décision qui sépare efficacement le spam des e-mails légitimes, même si ces catégories ne sont pas clairement séparables dans l’espace des caractéristiques d’origine.

Retourner à l'index du lexique