Distinctions importantes et cas d'utilisation de l'apprentissage supervisé et non supervisé

Préface : Une histoire de deux méthodes

Considérez que vous apprenez à un petit enfant comment identifier différents animaux. Vous commencez par leur montrer un certain nombre d'images de chiens et de chats et en leur disant : « C'est un chien » et « C'est un chat ». Même si vous leur montrez de nouvelles photos qu'ils n'ont jamais vues auparavant, le tout-petit finira par être capable de distinguer les animaux. Cette approche est similaire à l’apprentissage supervisé dans la mesure où elle implique un apprentissage sous supervision.

Imaginez une situation différente maintenant. Le jeune reçoit un large éventail de photographies mixtes et est autorisé à déterminer quels animaux apparaissent ensemble. Même si vous ne les étiquetez pas, le jeune peut commencer à organiser les images associées selon des modèles visuels. Cela s'apparente davantage à un « apprentissage non supervisé », dans lequel la machine doit découvrir des modèles ou des structures sans supervision directe.

Nous pouvons apprendre la distinction fondamentale entre « l'apprentissage supervisé » et « l'apprentissage non supervisé », deux méthodes fondamentales en science des données et en apprentissage automatique, grâce à cette nouvelle. Leurs approches de l’apprentissage sont très différentes, même si elles visent toutes deux à aider les machines à apprendre à partir de données. Analysons c...
[Courte citation de 8% de l'article original]