Discussion :

[abidineb]

Bonjour

Je travaille en ce moment sur la classification SVM (machine vecteurs de support)-Multi-classes un-contre-un, évidemment, il y aura toujours des paramètres a régler. Ma question est la suivante:

Si on 3 a classes, le réglage des paramètres sera pour les 3 classificateurs, ou plutôt un réglage général????? C'est a dire, le réglage des paramètres, comment se fait-il d'une manière générale dans le cas Multi-classes.

Merci

Cordialement

[abidineb]

Bonjour

Même si vous avez un lien, ça me sera d'une grande utilité .

Cordialement

[Aleph69]

Bonjour,

le choix des paramètres d'apprentissage se fait pour chaque apprentissage. Avec la stratégie '1 vs 1', il faut donc régler les paramètres pour chaque couple de classe. Cette remarque n'est pas propre aux SVMs mais s'applique à tous les algorithmes d'apprentissage.

PS: il va falloir penser à changer ton avatar, l'équation d'Albert n'est plus d'actualité depuis quelques jours!

[abidineb]

Bonjour,
Merci beaucoup, ça m’éclaire énormément.
Mais si on utilise la validation croisée k=5 comme méthode d’évaluation,
donc comment est la procédure de recherche de paramètres SVM.
et on a 8 classes????

Merci

Cordialement

[Aleph69]

Bonjour,


la validation croisée te fournit des couples (base d'apprentissage, base de test), en l'occurence 5 dans ton cas. Tu ne peux pas paramétrer un algorithme avec la validation croisée : si tu optimises un paramétrage et estimes l'erreur en généralisation d'un algorithme sur une base de test, alors ton estimation sera biaisée. Il faut donc préalablement séparer ta base de données en une base de validation et une autre base sur laquelle tu appliqueras la validation croisée.

Pour aller plus loin : il existe des procédures de validation croisée dites "doubles" ou "emboîtées" (nested) qui permettent également de faire ce que tu souhaites. Je t'invites à te renseigner sur google.

[abidineb]

Bonjour,
Merci beaucoup. Donc on regle les parametres avec un autre ensemble de donnees, mais je ne sais pas comment faire cela, dans le cas d'une base de donnees avec peu de donnees.

Encore une fois merci.

Cordialement.