Apprentissage supervisé

Definition

En apprentissage supervisé, l’algorithme est entraîné sur un jeu de données étiqueté, ce qui signifie que chaque exemple d’entrée est associé à la sortie correcte. L’objectif est que le modèle apprenne la relation sous-jacente entre les entrées et les sorties.

Summary

Un paradigme d’apprentissage automatique où un modèle apprend à mapper des entrées vers des sorties basé sur des exemples d’entraînement étiquetés.

Key Concepts

• Données étiquetées
• Mappage entrée-sortie
• Classification
• Régression

Use Cases

• Détection de courriels indésirables
• Prédiction des prix immobiliers
• Reconnaissance d’images

Code Example

1
2
3
4

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

Related Terms

• Apprentissage non supervisé (apprentissage sans étiquettes)
• Jeu d’entraînement (données utilisées pour apprendre le modèle)
• Jeu de validation (données utilisées pour ajuster les hyperparamètres)
• Précision du modèle (mesure de performance)