Apprentissage supervisé ou non supervisé: quelle est la différence?

De manière générale, nous considérerons deux approches d'analyse et de traitement des données - l'apprentissage supervisé (avec un enseignant) et non supervisé (non supervisé). La principale différence est que le premier utilise des données étiquetées pour faciliter les prévisions, tandis que le second ne le fait pas. Mais les deux approches présentent des différences plus subtiles et des domaines clés dans lesquels elles excellent.

 

Qu'est-ce que l'apprentissage supervisé?

L'apprentissage supervisé  est une approche d'apprentissage automatique basée sur l'utilisation d'ensembles de données de données étiquetées. Ces ensembles de données sont utilisés pour créer des algorithmes visant à classer les données ou à prédire avec précision les résultats. En utilisant des entrées et des sorties étiquetées, le modèle peut faire correspondre les entrées et les sorties pour plus de précision et s'entraîner progressivement.

( ,   ): .

• , , , . . , ,    — .
•  — , . , , . , .

?

  . ( «»).

 — , :

•  — , . , K- , K . , . .
•  — , . « ».
•  — , ,  ( ). , . , .

:

. , ,  — .

«», . , , . , , , . . , , - .

, , . . , , - . , , , .

• .   — . , .  — . , .
• . , , , . . , , .
• .   — , R Python.  . , .
• . , . , .

: ?

 — . . , . . .

 — . , , . , .

: . , - - , , .

.   IBM Developer Hub.

(Julianna Delua)

/ IBM Analytics 

: https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning