IntermédiaireFondamentaux
Apprentissage non supervisé
En anglais : Unsupervised Learning
Méthode de machine learning dans laquelle le modèle analyse des données sans étiquettes afin d’y découvrir par lui-même des structures, des regroupements ou des régularités.
Ici, personne ne fournit la bonne réponse. Le modèle reçoit des données brutes et cherche ce qui les organise : des groupes d’éléments similaires, des valeurs inhabituelles, quelques dimensions qui résument l’essentiel. C’est comme trier une boîte de boutons dépareillés sans consigne : on finit naturellement par les regrouper par couleur, taille ou forme. Cette approche est utile quand l’étiquetage est impossible ou trop coûteux, mais ses résultats demandent une interprétation humaine pour leur donner du sens.
Exemple
Un site de commerce en ligne applique un algorithme non supervisé à l’historique d’achats pour faire émerger des profils de clients aux habitudes similaires.
Notions liées
Apprentissage supervisé
IntermédiaireMéthode de machine learning dans laquelle le modèle apprend à partir d’exemples étiquetés, c’est-à-dire de données associées à la bonne réponse attendue.
Clustering (partitionnement)
IntermédiaireTechnique d’apprentissage non supervisé qui regroupe automatiquement des données en ensembles d’éléments similaires, sans connaître à l’avance les catégories recherchées.