Voilà, je travaille sur mon PFE dont la description est de faire un état de l'art sur les méthodes utilisées pour la prédiction de l'attrition en entreprise et d'ensuite choisir deux méthodes qui seront appliquées sur les données.
Il m'a également été demandé d'essayer d'apporter ma contribution à l'une des méthodes.
Mon choix s'est porté sur les arbres de décision ainsi que les SVM. Je voudrais apporter ma contribution au SVM mais je ne sais pas trop comment. J'ai fait quelques recherches et ce qui revient le plus c'est la méthode "Cross-Validation" mais puisque c'est utilisé par tout le monde, est-ce que c'est considéré comme une contribution ?
J'ai également pensé à une hybridation mais je ne sais pas trop quel algorithme serait le mieux adapté pour cela.
Je voulais donc savoir si vous pouviez me proposer quelque pistes à explorer afin d'essayer d'améliorer cet algorithme, que ce soit en précision, en rapidité ou autre.
Si un modérateur passe par ici, veuillez supprimer ce sujet s'il vous plaît.
Merci.
Amélioration SVM
× Après avoir cliqué sur "Répondre" vous serez invité à vous connecter pour que votre message soit publié.
× Attention, ce sujet est très ancien. Le déterrer n'est pas forcément approprié. Nous te conseillons de créer un nouveau sujet pour poser ta question.
Try->Fail->Learn->Converge to success :![{\displaystyle Q[s,a]:=(1-\alpha )Q[s,a]+\alpha (r+\gamma ~max_{a'}Q[s',a'])}](https://wikimedia.org/api/rest_v1/media/math/render/svg/6a01e974f96c943191b14eb85bd8657ea01a4cd5)