Apprentissage non supervisé

Définition

En apprentissage non supervisé, l’algorithme d’apprentissage automatique découvre des régularités statistiques, des formes ou des structures dans des données qui ne comportent pas d’annotation (ou étiquette).

Pour y arriver, l’apprentissage non supervisé se fonde sur la détection de similarités entre les données. Dans cette approche, le nombre de classes et leur nature ne sont pas nécessairement prédéterminés, c’est l’algorithme qui les découvrira en fonction des données analysées.

L’algorithme utilise les données (ou exemples) disponibles pour les classer en groupes homogènes qui correspondent à une classe, selon une mesure de similarité ou un calcul de la distance entre les paires d’exemples.

Le résultat est l’appartenance de chaque donnée à un groupe ou une probabilité d’appartenance à chacun des groupes découverts par l’algorithme.

Voir apprentissage supervisé et apprentissage par renforcement

Compléments

En commerce électronique, un exemple typique d’apprentissage non supervisé consiste à réunir les clients en groupes (clusters) selon différentes catégories qui émergent des données en fonction de la similarité de leur comportement d’achat.

Typiquement, l’algorithme de groupement (clustering) identifiera cinq groupes de consommateurs: les adeptes de nouveauté, les premiers utilisateurs, les pragmatiques, les conservateurs (ou suiveurs) et les retardataires (ou traînards). C’est à partir de ces groupements que les activités de mise en marché vont cibler les groupes auxquels ils doivent s’adresser en priorité pour lancer de nouveaux produits.

Un autre exemple d’apprentissage non supervisé, mais cette fois dans le domaine bancaire, est la détection de fraudes sur la base d’anomalies de comportement ou de données aberrantes (outliers). Ainsi, une transaction inhabituelle par rapport aux habitudes d’achat d’un client pourra déclencher un mécanisme d’alerte puisque cet événement s’écarte des groupes auxquels son profil d’utilisateur appartient.

---

Puisque les données ne sont pas annotées (étiquetées), il n'est pas possible en apprentissage non supervisé d'affecter au résultat de l'algorithme un score d'adéquation. Cette absence d'annotation ( d'étiquetage ) est précisément ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage supervisé.

Français

apprentissage non supervisé

entraînement non supervisé

apprentissage sans professeur

Anglais

unsupervised learning

unsupervised machine learning

unsupervised training

Español

aprendizaje no supervisado

En el aprendizaje no supervisado, el algoritmo de aprendizaje automático descubre regularidades estadísticas, formas o estructuras en datos que carecen de anotación (o etiqueta). Para ello, el aprendizaje no supervisado se basa en la detección de similitudes entre los datos. En este enfoque, el número de clases y su naturaleza no están necesariamente predeterminados, sino que el algoritmo los descubre a partir de los datos analizados. El algoritmo utiliza los datos disponibles (o ejemplos) para clasificarlos en grupos homogéneos que corresponden a una clase, basándose en una medida de similitud o en un cálculo de la distancia entre pares de ejemplos.

El resultado es la pertenencia de cada dato a un grupo, o una probabilidad de pertenencia a cada uno de los grupos descubiertos por el algoritmo. Véase también: aprendizaje supervisado y aprendizaje por refuerzo

Sources

• Source: Google machine learning glossary

• Source : TERMIUM Plus

Note: apprentissage non supervisé est une désignation publiée au Journal officiel de la République française le 9 décembre 2018 et normalisée par l'ISO en collaboration avec la Commission électrotechnique internationale.

---

101 MOTS DE L' IA - Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »