Méthodes à noyaux

Carte Commune · n° 398306

Les méthodes à noyaux (parfois aussi méthodes à noyau) constituent une famille d'algorithmes d'apprentissage automatique et d'analyse de données. Elles peuvent être utilisées à la fois pour l'apprentissage supervisé et non supervisé. Ces méthodes doivent leur nom au fait qu'elles manipulent les données via une fonction appelée noyau (kernel en anglais) ou fonction de covariance, qui peut s'interpréter comme une mesure de la similarité entre deux points de l'espace des données. Le noyau est un paramètre de l'algorithme, et différentes mesures de similarité peuvent donc être employées afin de s'adapter à la nature des données. Lorsque le noyau utilisé est défini positif, il induit implicitement un espace de Hilbert à noyau reproduisant ainsi qu'une transformation permettant de plonger les données d'entrée dans cet espace. La plupart des méthodes à noyau peuvent dans ce cas s'interpréter comme l'application d'un algorithme plus simple dans cet espace. Par exemple, une machine à vecteurs...

Lire sur Wikipédia