Ceci est le répertoire contenant les fichiers de code pour le projet de Christos Katsoulakis et Eric Lavergne.
Le script RVM.py contient les différentes fonctions que nous avons implémentées pour mettre en oeuvre les Relevance Vector Machine (RVM), il peut être lu avec un éditeur de texte. Nous y définissions tout d'abord différents kernels pouvant être utilisés : linear kernel, linear spline kernel, gaussian kernel et rbf kernel. Ensuite, pour définir le modèle Relevance Vector Machine nous avons adopté les pratiques de scikit-learn pour avoir un modèle facilement utilisable dans d'autres contextes. C'est ainsi que nous avons codé une classe RVM qui contient comme fonctions principales : __init__ (initialisation des paramètres généraux de la classe), fit_init (initialisation des paramètres du modèle), fit (apprentissage du modèle), predict (prédictions ponctuelles du modèle) et predict_proba (prédictions probabiliste du modèle). Les autres fonctions servent de support à ces principales fonctions.
Le notebook Demo.ipynb contient les différentes expériences que nous avons réalisées qui ont permis d'aboutir aux résultats présentés dans la Section 4 de notre rapport, il peut être lu avec l'application Jupyter Notebook.