Notes: ces ressources pédagogiques correspondent au cours Big Data Analytics : Support Vector Machine de la deuxième année du master ESA (Économétrie et Statistique Appliquée) à l'Université d'Orléans.
Document de cours
Polycopié de cours
Plan du cours
Section 1 : Introduction
Section 2 : Intuition des SVM : les cas linéairement séparable
Section 3 : Formalisation du SVM
Section 4 : Soft margin
Section 5 : Kernel trick
Section 6 : Application du SVM sous SAS, R, Python et Matlab
Section 7 : Extensions du SVM
SVM et scores, SVM multiclasses, et LS-SVM
Régressions à vecteurs de support (SVR)
Syllabus
Quelques réalisations des étudiants du master ESA
Démonstrateur SVM réalisé sous R-Shiny par Elisa Korn, Imane Salihi et Alexis Lignoux
Démonstrateur SVM réalisé sous R-Shiny par Loïc Palma et Elie Picaud
Démonstrateur SVM réalisé sous R-Shiny par Victor Ye, Karl Meunier, et Thibaut Raoul-Jourde
Démonstrateur SVM réalisé sous R-Shiny par Songui Kone