Académique Documents
Professionnel Documents
Culture Documents
Moteurs de recherche
Philippe YONNET
Directeur SEO International
philippe.yonnet@twenga.com
Pourquoi parler de ces algorithmes ?
Apprentissage supervisé
Présence d’un « oracle » qui fournit un jeu de réponses désirées
(exemples ou contre-exemples)
Apprentissage non supervisé
Classification automatique / Clustering
L'algorithme doit découvrir par lui-même la structure plus ou
moins cachée des données
Apprentissage par renforcement
l'algorithme apprend un comportement étant donné une observation.
L'action de l'algorithme sur l'environnement produit une valeur de retour
qui guide l'algorithme d'apprentissage.
On identifie d’autres types d’algorithmes : semi-supervisé,
partiellement supervisé…
Quelques grandes catégories d’algorithmes
SPAM
Une première approche possible (et triviale) pour déterminer les lois régissant
un ensemble de données : la régression. L’objectif est de déterminer une courbe
qui donne une approximation correcte des points mesurés. Dans l’exemple de
gauche, la courbe est droite affine y=ax+b. A droite un polynome plus complexe.
Les Support Vector Machines SVM
Recherche d’un hyperplan « frontière » dans la technique des SVM : la frontière ici est
relativement complexe si on la décrit dans l’espace à deux dimensions qui décrit les
données d’entrainement. En transposant le problème dans un espace muldimensionnel (3
dimensions sur le schéma) il peut être possible de trouver un hyperplan (ici un plan), simple
à décrire, qui permet de classifier facilement les données.