Problématique
Apprentissage Supervisé
IVariable Yà expliquer, décrite par nindividus dont on connaît p
variables explicatives synthétisées dans X.
IEnsemble d’apprentissage DTrain ={(X1,Y1),· · · ,(Xn,Yn)}.
IConnaissant DTrain, on cherche φfonction des pprédicteurs telle
que la variable Ys’explique au mieux en fonction des p
prédicteurs : Y=φ(X) + .
IL’apprentissage est SUPERVISE puique conditionnée par la
donnée d’étiquettes (labels, valeurs...) pour chacun des n
individus : les Yi.
IExemples classiques : Modèle de régression simple, multiple, arbre
binaire de classifications, réseaux de neurones, support vector
machine, kplus proche voisins...
Aprentissage Non-Supervisé
IPas de variable Yà expliquer, mais toujours nindividus décrits par
pvariables chacun.
IObjectif : recherche d’une taxinomie (caractéristiques communes)
des observations.
H. Milhem (IMT, INSA Toulouse) Apprentissage statistique IUP SID 2011-2012 3 / 14