« Apprentissage non supervisé » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==Définition==
==Définition==
L'apprentissage non supervisé est un problème d'apprentissage automatique. Il s'agit, pour un logiciel, de trouver des structures sous-jacentes à partir de données non étiquetées. Puisque les données ne sont pas étiquetées, il n'est pas possible d'affecter au résultat de l'algorithme utilisé un score d'adéquation. Cette absence d'étiquetage (ou d'annotation) est ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage supervisé.
En apprentissage non supervisé, l’algorithme d’apprentissage automatique découvre des régularités statistiques, des formes ou des structures dans des données qui ne comportent pas d'annotation (ou étiquette).
 
Pour y arriver, l’apprentissage non supervisé se fonde sur la détection de similarités entre les données. Dans cette approche, le nombre de classes et leur nature ne sont pas nécessairement prédéterminés, c’est l’algorithme qui les découvrira en fonction des données analysées.
 
L’algorithme utilise les données (ou exemples) disponibles pour les classer en groupes homogènes correspondant à une classe, selon une mesure de similarité ou un calcul de la distance entre les paires d’exemples.
 
Le résultat est l’appartenance de chaque donnée à un groupe ou une probabilité d’appartenance à chacun des groupes découverts par l’algorithme.
 
<hr/>
Complément:
 
Puisque les données ne sont pas annotées (étiquetées), il n'est pas possible en apprentissage non supervisé d'affecter au résultat de l'algorithme un score d'adéquation. Cette absence d'annotation (d'étiquetage) est précisément ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage supervisé.


Voir '''[[apprentissage supervisé]]''' et '''[[apprentissage par renforcement]]'''.
Voir '''[[apprentissage supervisé]]''' et '''[[apprentissage par renforcement]]'''.
Ligne 26 : Ligne 37 :
* [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=apprentissage+non+supervis%C3%A9+&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
* [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=apprentissage+non+supervis%C3%A9+&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
Note: apprentissage non supervisé est une désignation publiée au Journal officiel de la République française le 9 décembre 2018 et normalisée par l'ISO en collaboration avec la Commission électrotechnique internationale.
Note: apprentissage non supervisé est une désignation publiée au Journal officiel de la République française le 9 décembre 2018 et normalisée par l'ISO en collaboration avec la Commission électrotechnique internationale.


</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>  
</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>  
Ligne 42 : Ligne 51 :
* [https://www.youtube.com/watch?v=UhVn2WrzMnI  Unsupervised Learning | Clustering and Association Algorithms in Machine Learning]
* [https://www.youtube.com/watch?v=UhVn2WrzMnI  Unsupervised Learning | Clustering and Association Algorithms in Machine Learning]
<br></div><br><br>
<br></div><br><br>




Ligne 49 : Ligne 56 :
[[Catégorie:Apprentissage profond]]
[[Catégorie:Apprentissage profond]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]
[[Catégorie:101]]
[[Catégorie:PUBLICATION]]

Version du 2 août 2022 à 18:00

Définition

En apprentissage non supervisé, l’algorithme d’apprentissage automatique découvre des régularités statistiques, des formes ou des structures dans des données qui ne comportent pas d'annotation (ou étiquette).

Pour y arriver, l’apprentissage non supervisé se fonde sur la détection de similarités entre les données. Dans cette approche, le nombre de classes et leur nature ne sont pas nécessairement prédéterminés, c’est l’algorithme qui les découvrira en fonction des données analysées.

L’algorithme utilise les données (ou exemples) disponibles pour les classer en groupes homogènes correspondant à une classe, selon une mesure de similarité ou un calcul de la distance entre les paires d’exemples.

Le résultat est l’appartenance de chaque donnée à un groupe ou une probabilité d’appartenance à chacun des groupes découverts par l’algorithme.


Complément:

Puisque les données ne sont pas annotées (étiquetées), il n'est pas possible en apprentissage non supervisé d'affecter au résultat de l'algorithme un score d'adéquation. Cette absence d'annotation (d'étiquetage) est précisément ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage supervisé.

Voir apprentissage supervisé et apprentissage par renforcement.

Français

apprentissage non supervisé

entraînement non supervisé

apprentissage sans professeur

Anglais

unsupervised learning

unsupervised machine learning

unsupervised training



Note: apprentissage non supervisé est une désignation publiée au Journal officiel de la République française le 9 décembre 2018 et normalisée par l'ISO en collaboration avec la Commission électrotechnique internationale.


Compléments vidéos