Apprentissage supervisé - Historique des versions

Pitpitt le 18 avril 2026 à 15:23

2026-04-18T15:23:11Z

← Version précédente		Version du 18 avril 2026 à 11:23
Ligne 35 :		Ligne 35 :

	'''supervised machine learning'''		'''supervised machine learning'''

			Supervised learning is a type of machine learning in which an algorithm trains itself on a task using a set of labeled data. Each label indicates the expected result of the algorithm. The training is considered successful when the difference between the algorithm's predictions and the labels is minimal.
			Supervised learning involves learning a prediction function from annotated examples, as opposed to unsupervised learning, where no labels are available.
			A distinction is made between regression and classification problems. For example, problems involving the prediction of a quantitative variable are considered to be regression problems, whereas problems involving the prediction of a qualitative variable care classification problems.
			Supervised learning takes place in four stages:
			# The first step is to determine the expected results corresponding to the different labels.
			# The next step is the actual labeling of the data, usually by hand. These labeled data constitute the training data set.
			# The third stage is model training. In this stage, the algorithm seeks to minimize the error between the prediction made by the model for each data set and the truth, which corresponds to the labeling of the data set.
			# Finally, in the last step, known as the prediction step or inference step, the model seeks to predict the labeling of a new datum, but this time without label, using the model trained in the previous step.



	==Español==		==Español==

Arianne le 7 décembre 2025 à 20:56

2025-12-07T20:56:15Z

← Version précédente		Version du 7 décembre 2025 à 16:56
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==

	L’apprentissage supervisé est un type d’[[apprentissage automatique]] dans lequel un [[algorithme]] s’entraîne à une tâche en utilisant un jeu de données annotées. Chaque [[Étiquette\|annotation]] indique le résultat attendu de l’algorithme. On considère que l’entraînement est réussi lorsque l’écart entre les prédictions de l’algorithme et les annotations est minimal.		L’apprentissage supervisé est un type d’[[apprentissage automatique]] dans lequel un [[algorithme]] s’entraîne à une tâche en utilisant un [[jeu de données]] annotées. Chaque [[Étiquette\|annotation]] indique le résultat attendu de l’algorithme. On considère que l’entraînement est réussi lorsque l’écart entre les prédictions de l’algorithme et les annotations est minimal.

	==Compléments==		==Compléments==

Pitpitt : Remplacement de texte : « ==Español== » par « ==Español== Catégorie:es »

2025-09-24T00:57:43Z

Remplacement de texte : « ==Español== » par « ==Español== Catégorie:es »

← Version précédente		Version du 23 septembre 2025 à 20:57
Ligne 37 :		Ligne 37 :

	==Español==		==Español==
			[[Catégorie:es]]

	''''' el aprendizaje supervisado '''''		''''' el aprendizaje supervisado '''''

Jean-Sébastien Zavalone le 21 juillet 2025 à 19:21

2025-07-21T19:21:04Z

← Version précédente		Version du 21 juillet 2025 à 15:21
Ligne 35 :		Ligne 35 :

	'''supervised machine learning'''		'''supervised machine learning'''

			==Español==

			''''' el aprendizaje supervisado '''''

			''El aprendizaje supervisado es un tipo de aprendizaje automático en el que un algoritmo se entrena a sí mismo en una tarea utilizando un conjunto de datos anotados. Cada anotación indica el resultado que se espera del algoritmo.''

			''Se considera que el entrenamiento ha tenido éxito cuando la diferencia entre las predicciones supervisado consiste en aprender una función de predicción a partir de ejemplos anotados, a diferencia del aprendizaje no supervisado, en el que no se dispone de anotaciones.
			''
			''Se distingue entre problemas de regresión y problemas de clasificación. Por ejemplo, los problemas de predicción de una variable cuantitativa se consideran problemas de regresión, mientras que los problemas de predicción de una variable cualitativa se consideran problemas de clasificación.''


	==Sources==		==Sources==
	*[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9 Source: ''Apprentissage supervisé'']		*[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9 Source: ''Apprentissage supervisé'']
Ligne 41 :		Ligne 53 :

	{{Modèle:GDT}}		{{Modèle:GDT}}

			{{Modèle:101}}

	[[Catégorie:GDT]]		[[Catégorie:GDT]]
	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	[[Catégorie:101]]		[[Catégorie:101]]

Arianne le 11 mars 2025 à 17:08

2025-03-11T17:08:38Z

← Version précédente		Version du 11 mars 2025 à 13:08
Ligne 7 :		Ligne 7 :
	L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non supervisé]] où l'on ne dispose pas d'annotations.		L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non supervisé]] où l'on ne dispose pas d'annotations.

	On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.		On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de [[régression]], tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de [[classification]].

	L’apprentissage supervisé se déroule en quatre étapes :		L’apprentissage supervisé se déroule en quatre étapes :

Arianne le 14 janvier 2025 à 01:33

2025-01-14T01:33:03Z

← Version précédente		Version du 13 janvier 2025 à 21:33
Ligne 5 :		Ligne 5 :
	==Compléments==		==Compléments==

	L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non supervisé]] où on ne dispose pas d'annotations.		L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non supervisé]] où l'on ne dispose pas d'annotations.

	On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.		On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Arianne le 14 janvier 2025 à 01:32

2025-01-14T01:32:04Z

← Version précédente		Version du 13 janvier 2025 à 21:32
Ligne 5 :		Ligne 5 :
	==Compléments==		==Compléments==

	L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non-supervisé]] où on ne dispose pas d'annotations.		L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non supervisé]] où on ne dispose pas d'annotations.

	On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.		On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Arianne le 11 janvier 2025 à 23:48

2025-01-11T23:48:48Z

← Version précédente		Version du 11 janvier 2025 à 19:48
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==

	L’apprentissage supervisé est un type d’[[apprentissage automatique]] dans lequel un algorithme s’entraîne à une tâche en utilisant un jeu de données annotées. Chaque annotation indique le résultat attendu de l’algorithme. On considère que l’entraînement est réussi lorsque l’écart entre les prédictions de l’algorithme et les annotations est minimal.		L’apprentissage supervisé est un type d’[[apprentissage automatique]] dans lequel un [[algorithme]] s’entraîne à une tâche en utilisant un jeu de données annotées. Chaque [[Étiquette\|annotation]] indique le résultat attendu de l’algorithme. On considère que l’entraînement est réussi lorsque l’écart entre les prédictions de l’algorithme et les annotations est minimal.

	==Compléments==		==Compléments==

	L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non-supervisé où on ne dispose pas d'annotations.		L'apprentissage supervisé consiste à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'[[apprentissage non-supervisé]] où on ne dispose pas d'annotations.

	On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.		On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression, tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

	L’apprentissage supervisé se déroule en quatre étapes :		L’apprentissage supervisé se déroule en quatre étapes :

	# La première étape consiste à déterminer les résultats attendus qui correspondent aux différentes annotations.		# La première étape consiste à déterminer les résultats attendus qui correspondent aux différentes annotations.
	# L’étape suivante est celle de l’annotation des données proprement dite, le plus souvent manuellement par une personne. Ces données annotées constituent le jeu de données d’entraînement.		# L’étape suivante est celle de l’annotation des données proprement dite, le plus souvent manuellement par une personne. Ces données annotées constituent le [[jeu de données]] d’entraînement.
	# La troisième étape est l’entraînement du modèle (model training). À cette étape, l’algorithme cherche, pour l’ensemble d’un jeu de données, à minimiser l’erreur entre la prédiction faite par le modèle pour chaque donnée et la vérité, qui elle correspond à l’annotation de la donnée.		# La troisième étape est l’entraînement du modèle (model training). À cette étape, l’algorithme cherche, pour l’ensemble d’un jeu de données, à minimiser l’erreur entre la prédiction faite par le modèle pour chaque donnée et la vérité, qui elle correspond à l’annotation de la donnée.
	# Enfin, à la dernière étape, ~~dite~~ étape de prédiction (ou étape d’inférence), le modèle cherche à prédire l’annotation d’une nouvelle donnée, mais cette fois sans annotation, en utilisant le modèle entraîné à l’étape précédente. <br /><hr />		# Enfin, à la dernière étape, appelée étape de prédiction ou étape d’inférence, le modèle cherche à prédire l’annotation d’une nouvelle donnée, mais cette fois sans annotation, en utilisant le modèle entraîné à l’étape précédente. <br /><hr />

	Prenons un exemple classique d’apprentissage supervisé, la détection des pourriels (spam).		Prenons un exemple classique d’apprentissage supervisé, la détection des pourriels (spam).

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

2024-08-30T18:50:08Z

Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 30 août 2024 à 14:50
Ligne 35 :		Ligne 35 :

	'''supervised machine learning'''		'''supervised machine learning'''

	==Sources==		==Sources==
	*[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9 Source: ''Apprentissage supervisé'']		*[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9 Source: ''Apprentissage supervisé'']

Pitpitt le 8 février 2024 à 21:54

2024-02-08T21:54:47Z

← Version précédente		Version du 8 février 2024 à 17:54
Ligne 26 :		Ligne 26 :
	Enfin à la quatrième étape. On fournit le contenu d’un courriel jamais examiné (non annoté) et à partir de son contenu, l’algorithme ou plutôt le modèle entraîné par apprentissage supervisé sera capable de prédire s’il s’agit d’un pourriel ou non.		Enfin à la quatrième étape. On fournit le contenu d’un courriel jamais examiné (non annoté) et à partir de son contenu, l’algorithme ou plutôt le modèle entraîné par apprentissage supervisé sera capable de prédire s’il s’agit d’un pourriel ou non.

	'''Complément audio : [https://datafranca.org/quest-ce-que-lapprentissage-supervise/ Qu’est-ce que l’apprentissage supervisé?]'''		==='''Complément audio : [https://datafranca.org/quest-ce-que-lapprentissage-supervise/ Qu’est-ce que l’apprentissage supervisé?]'''===

	==Français==		==Français==