La machine à vecteurs de support (SVM) est un algorithme de classification populaire. Ce tutoriel présente d’abord quelques théories, puis présente le codage Python qui utilise les bibliothèques svm et sklearn pour résoudre le problème de la classification de l’iris. Nous avons également introduit différents paramètres tels que gamma, régularisation et comment utiliser ces paramètres pour affiner le classificateur svm. Fondamentalement, le fonctionnement de la machine à vecteurs de support consiste à tracer un hyperplan dans l’espace à n dimensions afin de maximiser la marge entre les groupes de classification. #MachineLearning #PythonMachineLearning #MachineLearningTutorial #Python #PythonTutorial #PythonTraining #MachineLearningCource #SupportVectorMachine #SVM Code : Exercice : Ouvrez le notebook ci-dessus depuis github et allez jusqu’à la fin. Solution pratique : Sujets abordés dans cette vidéo : 0:00 Introduction 0:20 théorie (en utilisant le problème de classification des fleurs de l’ensemble de données d’iris sklearn pour expliquer la machine à vecteurs de support) 3:11 Qu’est-ce que Gamma ? 4:21 Qu’est-ce que la régularisation ? 5:27 Kernel 6:32 Encoding (début) 18:08 sklearn.svm SVC 21:41 Exercice (Utilisez SVM pour classer l’ensemble de données de chiffres manuscrites de sklearn) Vidéo suivante : Tutoriel d’apprentissage automatique Python-11 Random Forest : Liste de lecture populaire : Cours complet de science des données : Projet de science des données : Tutoriel d’apprentissage automatique : Pandas : matplotlib : Python : Jupyter Notebook : Pour télécharger le csv et le code de tous les tutoriels : Cliquez sur le bouton vert pour cloner ou télécharger l’intégralité du référentiel, puis accédez au dossier Accédez à ce fichier spécifique. Site Web : Facebook : Twitter :.