« Apprentissage non supervisé » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
==Définition== | ==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. | |||
<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
- Unsupervised Learning | Unsupervised Learning Algorithms
- Supervised vs Unsupervised vs Reinforcement Learning
- Supervised vs. Unsupervised Machine Learning: What's the Difference?
- Unsupervised Machine Learning with Python
- Supervised and Unsupervised Learning In Machine Learning
- Machine Learning - Supervised VS Unsupervised Learning
- Unsupervised Learning explained
- Unsupervised Learning: Crash Course AI #6
- Unsupervised Machine Learning: Crash Course Statistics #37
- Unsupervised Learning | Clustering and Association Algorithms in Machine Learning
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche