SVM à contraintes probabilistes

Quatre notebooks formulent et résolvent des SVM à contraintes probabilistes avec CVXPY, choisissent leurs hyperparamètres par optimisation multiniveau et relient les résultats à la théorie de la généralisation.

1. 01TP1 — données simulées

   SVC probabiliste en cas gaussien et uniforme, optimisation bilevel.

2. 02TP2 — Breast Cancer

   SVC linéaire sur mesures médicales bruitées, bornes VC.

3. 03TP3 — Seeds

   Multiclasse One-vs-Rest et One-vs-One.

4. 04TP4 — Diabetes

   SVR probabiliste à bande ε, sélection multiniveau de C, ε et p.

• Travail d’étude : les notebooks rapportent des bornes théoriques et des erreurs, pas un modèle destiné à un usage applicatif.