Discussion :

[abidineb]

Bonjour
J'ai un petit souci:
Donc voila j'ai ensemble de données, qui est assez grand, j'applique une méthode SVM (Support a Vecteur Machine), comme on le sait tous ça nécessite un réglage de paramètres, la méthode classique c'est la validation croisée, mais est ce que cette méthode s'applique de cette façon:

1. On divise l'ensemble de données en deux, apprentissage et test, on fait la VC sur l'ensemble d'apprentissage.

ou
2. on applique cette méthode (VC) sur tous l'ensemble de données??

Merci
Cordialement

[Clercq]

Bonjour,

Pour tout apprentissage base d'algorithme d'apprentissage tu as besoin d'une base d'apprentissage ET une base de test.

Une bonne performance en base d'apprentissage n'implique pas forcement de bons résultats sur une autre base (problème de sur-apprentissage), d'ou l'importance de la base de test.

[abidineb]

Bonjour

Oui merci, mais je veut savoir est ce que le réglage des paramètres avec la méthode VC s'applique sur toute la base de données, ou ou seulement sur le fichier apprentissage, en laissant le fichier test a cote?

Cordialement

[Clercq]

En gros tu demande si une fois que tu as appris sur ta base d'apprentissage avec certain paramètres, tu dois changer les changer et essayer ces nouveaux réglages sur la base de test ? ... En gros tu apprend quelque chose, et tu test ... autre chose ...

Ne pense tu pas que le couple base d'apprentissage/base de test ne sert pas a justement régler les paramètres ... et donc, dans ce sens, apprendre avec certains paramètres, tester avec les même paramètres et SI cela ne marche pas (selon les performances désirées ...) recommencer avec d'autre paramètres ?

Je te pose cette question pour faire appel a ton sens logique, plutôt qu'apporter une réponse toute faite. J'espère que le ton ne sera pas pris comme "agressif"