Słownik AI
Kompletny słownik sztucznej inteligencji
Un contre un (One-vs-One)
Stratégie de décomposition multi-classe qui entraîne un classifieur binaire SVM pour chaque paire de classes possibles, la classe finale étant déterminée par un vote majoritaire parmi tous les classifieurs.
Un contre tous (One-vs-All)
Approche de classification multi-classe où un classifieur SVM distinct est entraîné pour chaque classe, la distinguant de toutes les autres classes regroupées, la prédiction finale étant basée sur la sortie de décision la plus élevée.
Machines à Vecteurs de Support Structurées (Structured SVM)
Extension des SVM conçue pour gérer des sorties complexes et structurées, comme les arbres ou les séquences, en généralisant le principe de maximisation de la marge à des espaces de sortie de grande dimension.
Perceptron à Marge Maximale (Max-Margin Perceptron)
Algorithme d'apprentissage en ligne qui combine la règle de mise à jour du perceptron avec l'objectif de maximisation de la marge des SVM, s'adaptant efficacement aux problèmes de classification multi-classe.
Crammer et Singer
Formulation directe de la SVM multi-classe qui résout un unique problème d'optimisation pour toutes les classes simultanément, contrairement aux approches de décomposition, en cherchant un hyperplan séparateur par classe.
Erreur de Hinge Multi-classe
Fonction de perte utilisée dans les SVM multi-classes qui pénalise un exemple si le score de la classe correcte n'est pas supérieur d'une certaine marge aux scores de toutes les autres classes incorrectes.
Arbre de Décision SVM (SVM Decision Tree)
Architecture hiérarchique où les nœuds internes sont des classifieurs SVM binaires, partitionnant progressivement l'espace des classes pour atteindre les feuilles qui représentent les classes finales.
Code Correcteur d'Erreurs (Error-Correcting Output Codes - ECOC)
Technologie avancée qui représente les classes avec des codes binaires et entraîne des classifieurs SVM binaires pour chaque position de bit, permettant une classification robuste même en présence de classifieurs défaillants.
DAG-SVM (Directed Acyclic Graph SVM)
Variante de la stratégie Un contre Un qui organise les classifieurs binaires dans un graphe acyclique orienté, éliminant certains calculs de vote et accélérant la phase de prédiction.
Marge Multi-classe
Concept généralisant la marge binaire des SVM, définie comme la différence entre le score de la classe correcte et le score le plus élevé parmi les classes incorrectes, servant de critère d'optimisation.
Formulation de Weston et Watkins
Modèle d'optimisation multi-classe qui étend la SVM binaire en imposant une contrainte de marge pour chaque classe incorrecte par rapport à la classe correcte, conduisant à un problème de programmation quadratique.
SVM à Sortie Ordinale (Ordinal SVM)
Adaptation des SVM pour les problèmes de classification où les classes possèdent un ordre naturel, cherchant des hyperplans qui respectent cette structure ordinale tout en maximisant les marges.
Perceptron Multiclasse à Noyau (Multiclass Kernel Perceptron)
Algorithme qui étend le perceptron à noyau pour la classification multi-classe en maintenant un ensemble de poids pour chaque classe et en utilisant l'astuce du noyau pour gérer des frontières de décision non linéaires.
Régression Ordinale SVM (Ordinal SVM Regression)
Approche qui traite un problème de classification ordonnée comme une tâche de régression, où les SVM sont utilisées pour prédire une valeur numérique qui est ensuite seuillée pour obtenir une classe ordonnée.
SVM Hiérarchique (Hierarchical SVM)
Méthode qui exploite une structure hiérarchique préexistante entre les classes pour construire une série de classifieurs SVM, réduisant la complexité computationnelle en décomposant le problème en sous-problèmes plus simples.