Estimation fonctionnelle laide de S.V.M. Stphane Canu et Jean
Pierre Yvon I.N.S.A. - P.S.I. I.N.S.A. - Rennes
http://lmrserv.insa-rouen.fr/~scanu/
Page 2
2 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 SVM radiales
Page 3
3 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Plan discrimination linaire : cas sparable
discrimination linaire : cas non sparable discrimination
quadratique SVM radiales le principe les 3 hyper-paramtres de
rgularisation rsultats sur les donnes du verre et les voyelles les
cas de la rgression
Page 4
4 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Sparateur linaire et vecteurs support
Page 5
5 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Classification linaire - le cas sparable
tout le monde est bien class
Page 6
6 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Classification linaire - le cas sparable si
(w,b) vrifie les contraintes, ( w, b) les vrifie aussi... solution
: = w = b = 0 !
Page 7
7 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Classification linaire - le cas
sparable
Page 8
8 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Classification linaire le cas sparable
Page 9
9 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Classification linaire le cas sparable = H c
Solution sans contraintes : = H c
Page 10
10 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Intgration des contraintes dgalit 0 0 = H c
y y
Page 11
11 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 intgration des contraintes dingalit tantque
( ) ne vrifient pas les conditions doptimalit = M -1 b -- et = - H
+ c + y si
28 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Les trois paramtres de rgularisation C : la
borne sup 0 < < C : la largueur du noyau : K (x,y)
rgularisation du systme linaire H =b => (H+ I) =b
Page 29
29 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Les trois paramtres de rgularisation C : la
borne sup 0 C : la largueur du noyau : K (x,y) rgularisation du
systme linaire H =b => (H+ I) =b
Page 30
30 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Leffet de la borne sup
Page 31
31 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Noyau troit et C grand
Page 32
32 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Noyau large - C grand
Page 33
33 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Noyau large et C petit
Page 34
34 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Les donnes de Ripley Glass Kppv : 74% Denux
: 72 % SVM : 72 % (petite triche) 200 points (89+96) dimension 9 4
classes Nato ASI - Neural networks and statistics - Ripley pp 45 53
37 22 nombre d'erreurs total avec rejet nombre d'accepte et de
rejetes 27.0000 27.0000 96.0000 0 0.2812
Page 35
35 Estimation fonctionnelle et SVM -CEMAGREFF- Evaluation de
modles 30 Janvier 1998 Ripley