Introduction
Dans ce laboratoire, nous allons démontrer comment utiliser la descente de gradient stochastique (SGD) pour approximer la solution d'un One-Class SVM dans le cas d'un noyau RBF.
Nous comparerons les résultats de cette approximation avec ceux obtenus en utilisant un One-Class SVM avec une approche à noyau. Le but de ce laboratoire n'est pas de montrer les avantages de l'approximation en termes de temps de calcul, mais plutôt de démontrer qu'il est possible d'obtenir des résultats similaires en utilisant la SGD sur un jeu de données simple.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour passer à l'onglet Notebook et accéder à Jupyter Notebook pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations de Jupyter Notebook.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.