L'apprentissage non supervisé regroupe des techniques d'apprentissage automatique qui permettent de découvrir des motifs dans les données. Il peut notamment servir à identifier des groupes naturels de clients à partir de leurs historiques d'achats, à rechercher des régularités et des corrélations entre ces achats, ou encore à représenter les données sous une forme compressée. Ces approches reposent notamment sur deux techniques appelées clustering et réduction de dimension. Apprentissage supervisé et non supervisé L'apprentissage non supervisé se distingue de l'apprentissage supervisé. Par exemple, l'apprentissage supervisé peut utiliser des mesures de tumeurs pour les classer en deux catégo
La suite de cette leçon est réservée aux abonnés
Créez votre compte gratuit pour tester les exercices d’exemple, puis passez à l'accès complet quand vous le souhaitez.