Machine learning

Support vector machine (SVM)

Master Économétrie et Statistique Appliquée (ESA)

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

chapter1_svm.pdf

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