Introduction
Les Machines à Vecteurs de Support (SVM) sont utilisées pour l'analyse de classification et de régression. Les SVM trouvent la meilleure ligne ou hyperplan possible qui sépare les données en différentes classes. La ligne ou hyperplan qui maximise la distance entre les deux points de données les plus proches de classes différentes est appelée la marge. Dans ce laboratoire, nous allons explorer comment le paramètre C
affecte la marge dans une SVM linéaire.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet pour accéder au carnet Jupyter pour la pratique.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous réglerons rapidement le problème pour vous.