Bound on the Risk for M-SVMs
Résumé
La conception d'architectures SVM dédiées aux tâches de discrimination à catégories multiples constitue actuellement l'un des problèmes centraux de la théorie statistique de l'apprentissage. Plusieurs contributions majeures au domaines ont été récemment recencées. Cependant, aucun argument définitif n'a à ce jour été avancé permettant d'établir laquelle des deux approches disponibles, décomposition du problème en un ensemble de dichotomies ou calcul direct de la polychotomie, devait être supérieure à l'autre. L'objet de cette communication est de proposer un cadre théorique simple permettant une étude comparée des capacités de généralisation des différents modèles existants et la conception de nouvelles machines. Elle devrait par là même contribuer à résoudre la question de l'approche la plus adéquate.