apprentissage machine et les methodes de classification :

plan
presentation de l'apprentissage machine
apprentissage supervisé
apprentissage non supervisé
conclusion
------------------------------------------
#Presentation de l'apprentissage machine #
------------------------------------------
*/l'apprentissage machine c'est une technique permettant de donner a la machine la
capacité
d'apprendre a partir d'experience données
*/apprentissage est une capacité inné chez les etres humains
*/apprendre ne veut pas dire memoriser par coeurs comme le font tres bien les
ordinateurs
------------------------------

d'une façon génrale

en informatique trad on resout le probleme en donnant explecitement a la machine
les instructions qu'elle doit executer.

en apprentissage machine on cherche plutot

a donner a la mchine la capacité a resoudre le probleme
a partir d'exemples
**** d'entrées / sortie formant l'ensemble d'entrainement.
----------------------------------------
surapprentissage :
overfitting :
lorsque on
ou ***l'algorithme d'apprentissage cherche a trop coller aux données d'entrainement
(comme le cas d'un apprentissage par coeur)

au contraire
sous_apprentissage:
l'algorithme d'apprentissage ==
l'ensemble de données d'entrainement
l'ensemble des entrée et sortie ne sont pas assez riche
n'est pas assez riche
pour decrire la diversité presente dans les données.
on peut se retrouver en situation de sous-apprentissage.

-->dans les deux cas ,

***** faire des predictions pour des nouveaux cas seront
de basse qualité
donc on aura une mauvaise géneralisation ----]

Ensemble d'entrainement :
(comprennant n points de données peut etre decrit comme Dn{(x1,y1),...,(xn,yn)} ou:
-->Xi est un vecteur d'observations (ou descripteur) sur les caracteristiques du i
emme objet
-->Yi est la classe associée a cet objet.

exemple typique : si l'objet

-----
----->exemple typique si l'objet est decrire par l'attribut reels alors y est la
classe associé
a chaque reel pour la classification binaire.
exemple concret :le client d'une banque qui serait decrit par des attributs comme
son age
son salaire ou sa situation familiale , et pour lequel sa classe corresponsante
serait etre
capable ou non de rembourser un pret .

le client d'une banque qui serait decrit par des attributs comme son age son
salaire ou sa
situation familiale , et pour le quel sa calsse correspondante serait etre capable
ou non
de rembourser un pret $
soit le client d'une banque qui serait decrit par des attribut comme son age
*/salaire ou sa situation familiale
*/ou pour son age .