KI-Glossar
Das vollständige Wörterbuch der Künstlichen Intelligenz
Support Vector Regression (SVR)
Algorithme d'apprentissage supervisé utilisant les principes des SVM pour résoudre des problèmes de régression en prédisant des valeurs continues avec une marge de tolérance définie.
Vecteurs de support en régression
Points de données situés à l'extérieur de la marge epsilon qui influencent directement la position et l'orientation de l'hyperplan de régression optimal.
Paramètre C (Cost parameter)
Coefficient de régularisation contrôlant le compromis entre la maximisation de la marge et la minimisation de l'erreur de prédiction sur les données d'entraînement.
Régression linéaire SVR
Variante de SVR utilisant un hyperplan linéaire pour modéliser la relation entre les variables, adaptée aux données linéairement séparables dans leur espace d'origine.
Régression non-linéaire SVR
Approche SVR utilisant des fonctions noyau pour capturer des relations complexes non-linéaires entre les variables prédictives et la variable cible.
Zone tube (Tube insensitive)
Rion de l'espace de prédiction délimitée par deux hyperplans parallèles distant de 2ε, où les résidus ne contribuent pas à la fonction objectif du modèle.
Overfitting en SVR
Phénomène où le modèle SVR s'ajuste excessivement aux données d'entraînement, capturant le bruit au détriment de sa capacité de généralisation aux nouvelles observations.
Kernel trick pour la régression
Technique mathématique permettant d'opérer dans un espace de haute dimension sans calculer explicitement les coordonnées des données dans cet espace.
Métriques d'évaluation SVR
Indicateurs de performance spécifiques comme MSE, MAE, R² ou RMSE utilisés pour quantifier la précision prédictive et la qualité d'ajustement du modèle SVR.
Feature scaling en SVR
Prétraitement essentiel normalisant ou standardisant les variables pour éviter la dominance des caractéristiques avec de grandes échelles dans le calcul des distances.