Méthode de vecteur support pour l’analyse de survie : comparaison entre classement et régression approchée / Louis Mamadou Soropogui (2021) 

Public ISBD Titre : Méthode de vecteur support pour l’analyse de survie : comparaison entre classement et régression approchée Type de document : texte imprimé Auteurs : Louis Mamadou Soropogui, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 2021 Importance : 28 P. Format : 29 cm Langues : Français (fre) Mots-clés : vecteur support  analyse de survie  classement  regression approchée  machines a vecteurs supports  séparateur a vaste marge Résumé : Les machines a vecteurs supports (ou séparateur a vaste marge : SVM) sont un ensemble de techniques d’apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires (famille d’algorithmes de classement statistique) ; ils calculent la décision par combinaison linéaire des échantillons. Ils peuvent être utilisés pour résoudre des problèmes de discrimation, c’est-à-dire décider à quelle classe appartient un échantillon, ou de régression, c’est-à-dire prédire la valeur numérique d’une variable. La résolution de ces deux problèmes passe par la construction d’une famille qui a un vecteur d’entrée fait correspondre une sortie : Pour le cas, d’une fonction discriminante linéaire, obtenue par combinaison linéaire du vecteur d’entrée ( ) , avec un vecteur de poids ( ) : ( ) , il est alors décidé que est de classe 1 si ( ) et de classe -1 sinon, c’est un classifieur linéaire. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=530 Méthode de vecteur support pour l’analyse de survie : comparaison entre classement et régression approchée [texte imprimé] / Louis Mamadou Soropogui, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2021 . - 28 P. ; 29 cm. Langues : Français (fre) Mots-clés : vecteur support  analyse de survie  classement  regression approchée  machines a vecteurs supports  séparateur a vaste marge Résumé : Les machines a vecteurs supports (ou séparateur a vaste marge : SVM) sont un ensemble de techniques d’apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires (famille d’algorithmes de classement statistique) ; ils calculent la décision par combinaison linéaire des échantillons. Ils peuvent être utilisés pour résoudre des problèmes de discrimation, c’est-à-dire décider à quelle classe appartient un échantillon, ou de régression, c’est-à-dire prédire la valeur numérique d’une variable. La résolution de ces deux problèmes passe par la construction d’une famille qui a un vecteur d’entrée fait correspondre une sortie : Pour le cas, d’une fonction discriminante linéaire, obtenue par combinaison linéaire du vecteur d’entrée ( ) , avec un vecteur de poids ( ) : ( ) , il est alors décidé que est de classe 1 si ( ) et de classe -1 sinon, c’est un classifieur linéaire. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=530

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 10381	MEM 10381	Mémoires de master	Master mathématiques et Informatique	mathématiques pures	Disponible

Documents numériques

MEM 10381 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200