Pour plus d'infos sur la théorie, il faut commencer à maîtriser les multiplicateurs de Lagrange
La c'est assez inquietant. Je suppose que les multiplicateurs de Lagrange sont la pour prendre en compte la contrainte de la marge maximale (j'ai bon ?).
Dans ce cas-la, la methode des SVM ne peut alors s'appliquer que sur des echantillons dont les erreurs sont gaussiennes (ce qui n'est pas forcement le cas de *tous* les problemes rencontres).
Bon je vais me plonger dans la biblio de kernel-machines.
Encore merci :)
[^] # Re: Algorithme génétique ?
Posté par Sebastien . En réponse à la dépêche Améliorer les performances du noyau avec un algorithme génétique. Évalué à 3.
Pour plus d'infos sur la théorie, il faut commencer à maîtriser les multiplicateurs de Lagrange
La c'est assez inquietant. Je suppose que les multiplicateurs de Lagrange sont la pour prendre en compte la contrainte de la marge maximale (j'ai bon ?).
Dans ce cas-la, la methode des SVM ne peut alors s'appliquer que sur des echantillons dont les erreurs sont gaussiennes (ce qui n'est pas forcement le cas de *tous* les problemes rencontres).
Bon je vais me plonger dans la biblio de kernel-machines.
Encore merci :)