Machine Learning avec Scikit-Learn

160

Chapitre 5. Machines à vecteurs de support

160

Chapitre 5. Machines à vecteurs de support

Vous pouvez aisément vérier que si vous dénissez les paramètres de programma-

tion quadratique comme ci-dessous, vous obtenez l’objectif d’un classicateur SVM

linéaire à marge rigide:

• n

p

= n + 1, où n est le nombre de variables (le +1 correspond au terme constant),

• n

c

= m, où m est le nombre d’observations d’entraînement,

• H est la matrice identité n

p

× n

p,

à l’exception d’un zéro dans la cellule en haut

à gauche (pour ignorer le terme constant),

• f = 0, un vecteur n

p

-dimensionnel rempli de 0,

• b = –1, un vecteur n

c

-dimensionnel rempli de –1,

•