Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Apprentissage supervise Apprentissage supervisé CSommaire ? Dé ?nition ? Méthodes d'apprentissage supervisé ? Applications CDe ?nition ? L'apprentissage supervisé supervised learning en anglais est une t? che d'apprentissage automatique consistant à appre

Apprentissage supervisé CSommaire ? Dé ?nition ? Méthodes d'apprentissage supervisé ? Applications CDe ?nition ? L'apprentissage supervisé supervised learning en anglais est une t? che d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés au contraire de l'apprentissage non supervisé 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 classi ?cation C ? Les exemples annotés constituent une base d'apprentissage et la fonction de prédiction apprise peut aussi être appelée hypothèse ? ou modèle ? On suppose cette base d'apprentissage représentative d'une population d'échantillons plus large et le but des méthodes d'apprentissage supervisé est de bien généraliser c'est-à-dire d'apprendre une fonction qui fasse des prédictions correctes sur des données non présentes dans l'ensemble d'apprentissage CDi ?érentes t? ches sont associées à l'apprentissage supervisé ? Classi ?cation ou classi ?cation supervisée est la catégorisation algorithmique d'objets Elle consiste à attribuer une classe ou catégorie à chaque objet ou individu à classer en se basant sur des données statistiques Elle fait couramment appel à l' apprentissage automatique et est largement utilisée en reconnaissance de formes ? Régression est un ensemble de méthodes statistiques très utilisées pour analyser la relation d'une variable par rapport à une ou plusieurs autres CType d ? apprentissage ? Si les classes sont prédéterminées et les exemples connus le système apprend à classer selon un modèle de classi ?cation ou de classement on parle alors d'apprentissage supervisé ou d'analyse discriminante Un expert ou oracle doit préalablement étiqueter des exemples Le processus se passe en deux phases Lors de la première phase hors ligne dite d'apprentissage il s'agit de déterminer un modèle à partir des données étiquetées La seconde phase en ligne dite de test consiste à prédire l'étiquette d'une nouvelle donnée connaissant le modèle préalablement appris Parfois il est préférable d'associer une donnée non pas à une classe unique mais une probabilité d'appartenance à chacune des classes prédéterminées CMéthodes d'apprentissage supervisé ? Boosting ? Machine à vecteurs de support ? Mélanges de lois ? Réseau de neurones ? Méthode des k plus proches voisins ? Arbre de décision ? Classi ?cation na? ve bayesienne ? Inférence grammaticale ? Espace de versions CMéthode des k plus proches voisins ? En intelligence arti ?cielle la méthode des k plus proches voisins est une méthode d ? apprentissage supervisé En abrégé k-NN ou KNN de l'anglais k- nearest neighbors ? En reconnaissance de forme l'algorithme des k plus proches voisins k- NN est une méthode non paramétrique utilisée pour la classi ?cation et la régression Dans les deux cas il s'agit de classer l'entrée dans la catégorie à laquelle appartient les k plus proches voisins dans l'espace des caractéristiques identi ?ées par apprentissage Le résultat dépend si l'algorithme est utilisé à des ?ns de classi ?cation ou de régression ? en classi ?cation k-NN le résultat est