Apprentissage supervisé

L’apprentissage supervisé est une technique d'apprentissage automatique permettant de créer des modèles prédictifs à partir des données de réponse et d'entrée connues

L'apprentissage supervisé désigne un type d'algorithme d'apprentissage automatique qui utilise un ensemble de données connues (appelé ensemble de données d'apprentissage) pour réaliser des prévisions. L'ensemble de données d'apprentissage contient des données d'entrée et des valeurs de réponses. À partir de ces éléments, l'objectif de l'algorithme d'apprentissage supervisé consiste à créer un modèle capable de réaliser des prévisions sur les valeurs de réponse pour un nouvel ensemble de données. Un ensemble de données de test est souvent utilisé pour valider le modèle. Les ensembles de données d'apprentissage plus volumineux produisent généralement des modèles à la puissance prédictive plus élevée qui peuvent facilement s'appliquer aux nouveaux ensembles de données.

L'apprentissage supervisé inclut deux catégories d'algorithmes :

  • Classification: pour les valeurs de réponse catégoriques, où les données peuvent être divisées en « classes » spécifiques
  • Régression: pour les valeurs de réponse continue

Exemples d'algorithmes de classification courants :

  • Machines à vecteurs de support
  • Réseaux de neurones
  • Classificateur bayésien naïf
  • Arbres de décision
  • Analyse discriminante
  • Plus proches voisins (kNN)

Exemples d'algorithmes de régression courants :

Pour plus d'informations sur les algorithmes d'apprentissage supervisé, consultez les sections consacrées à la Statistics and Machine Learning Toolbox et à la Neural Network Toolbox.

L'apprentissage supervisé est utilisé dans les applications financières pour l'évaluation de crédit, le trading algorithmique et la classification des obligations ; dans les applications biologiques pour la détection des tumeurs et la découverte de médicaments ; dans les applications énergétiques pour la prévision des prix et de la consommation ; et dans les applications de reconnaissance des formes pour la parole et les images.



Voir aussi : Statistics and Machine Learning Toolbox, MATLAB, Statistics and Machine Learning Toolbox, neural network toolbox, apprentissage automatique, apprentissage non supervisé, adaboost, régression linéaire, régression non linéaire, ajustement des données, analyse des données, modélisation mathématique

Les challenges du Machine Learning