Français
Menu

Bases de l'apprentissage automatique

Quelle description de la machine à vecteurs de support (SVM) est correcte ?

  1. AElle utilise tous les points des données d'apprentissage de manière aussi égale que possible et trace la frontière qui maximise la distance moyenne de tous les points à cette frontière
  2. BParmi les frontières qui séparent deux classes, elle choisit celle qui maximise la distance (marge) aux données les plus proches de la frontière (les vecteurs de support)
  3. CElle suppose que les caractéristiques sont indépendantes entre elles au sein de chaque classe et classe les données en calculant la probabilité de chaque classe avec le théorème de Bayes
Afficher la réponse et l'explication

Réponse : B. Parmi les frontières qui séparent deux classes, elle choisit celle qui maximise la distance (marge) aux données les plus proches de la frontière (les vecteurs de support)

La SVM est une méthode de classification qui choisit, parmi les frontières (hyperplans) séparant deux classes, celle dont la marge est la plus grande. La frontière n'est déterminée que par les quelques données qui en sont les plus proches (les vecteurs de support) et ne change pas si les autres données bougent un peu. Plus la marge est grande, moins la frontière est censée commettre d'erreurs sur de nouvelles données. Pour des données qui ne sont pas séparables par une droite, l'astuce du noyau (méthodes à noyau) permet d'obtenir le même effet qu'une séparation dans un espace de plus grande dimension.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

  1. 20 % de l'ensemble des e-mails sont des spams. Un certain mot figure dans 50 % des spams et dans 5 % des autres e-mails. Quelle valeur est la plus proche de la probabilité qu'un e-mail contenant ce mot soit un spam ?
  2. Quelle fonction logique ne peut pas être représentée par un perceptron simple, composé seulement d'une couche d'entrée et d'une couche de sortie (un neurone unique qui produit 0 ou 1 selon un seuil) ?
  3. Dans une classification à 3 classes, les valeurs fournies à la fonction softmax (logits) sont 3, 1 et 0. La sortie (probabilité) de la première classe vaut environ combien de fois celle de la deuxième ? Choisir la valeur la plus proche.
  4. Dans un petit réseau de neurones dont les entrées sont x₁ = 1 et x₂ = 2, les deux neurones de la couche cachée valent h₁ = ReLU(x₁ + x₂ − 1) et h₂ = ReLU(x₁ − 2x₂ + 1), et la sortie vaut y = 2h₁ + 3h₂ + 1. Quelle est la valeur de y ?
  5. Soit p la probabilité que le modèle attribue à la bonne classe. Quelle affirmation décrit correctement la perte d'entropie croisée −log p utilisée pour l'apprentissage en classification ?