<page> <title>Apprentissage supervisé</title> <id>1103899</id> <revision> <id>31852938</id> <timestamp>2008-07-24T15:41:25Z</timestamp> <contributor> <username>Ptbotgourou</username> <id>223685</id> </contributor> <minor /> <comment>robot Retire: [[nl:Gecontroleerd leren]]</comment> <text xml:space="preserve">L''''apprentissage supervisé''' est une technique d'[[apprentissage automatique]] où l'on cherche à produire automatiquement des règles à partir d'une [[base de données d'apprentissage]] contenant des exemples de cas déjà traités. Plus précisément, la base de données d'apprentissage est un ensemble de couples entrée-sortie <math> (x_n, y_n)_{1 \le n \le N} </math> avec <math> x_n \in X </math> et <math> y_n \in Y </math>, que l'on considère être tirées selon une loi sur <math>X \times Y</math> inconnue, par exemple ''x<sub>n</sub>'' suit une loi uniforme et ''y<sub>n</sub> = f(x<sub>n</sub>) + w<sub>n</sub>'' où ''w<sub>n</sub>'' est un [[bruit de mesure|bruit]] centré. Le but de la méthode d'apprentissage supervisé est alors d'utiliser cette base d'apprentissage afin de déterminer une représentation compacte de ''f'' notée ''g'' et appelée ''fonction de prédiction'', qui à une nouvelle entrée ''x'' associe une sortie ''g(x)''. Le but d'un algorithme d'apprentissage supervisé est donc de généraliser pour des entrées inconnues ce qu'il a pu « apprendre » grâce aux données déjà traitées par des experts, ceci de façon « raisonnable ». On distingue généralement deux types de problèmes que l'on cherche à résoudre avec une méthode d'apprentissage automatique supervisée : * <math>Y \subset \Bbb{R}</math> : Lorsque la sortie que l'on cherche à associer à une entrée est une valeur dans un ensemble continu de réels, on parle d'un problème de [[Régression mathématique|régression]]. * <math>Y = \{1, \ldots, I\}</math> : Lorsque l'ensemble des valeurs de sortie est de cardinal fini, on parle d'un problème de [[Classification automatique|classification]] car le but est en fait d'attribuer une étiquette à une entrée donnée. == Méthodes d'apprentissage supervisé == * [[Méthode des moindres carrés]] * [[Méthode des k plus proches voisins]] * [[Arbre de décision]] * [[Réseau de neurones]] * [[Machine à vecteurs de support]] == Applications == * [[Vision par ordinateur]] * [[Reconnaissance de formes]] * [[Reconnaissance de l'écriture manuscrite]] * [[Reconnaissance vocale]] {{Portail|probabilités et statistiques|informatique}} [[Catégorie:Intelligence artificielle]] [[de:Überwachtes Lernen]] [[en:Supervised learning]] [[fi:Ohjattu oppiminen]] [[it:Apprendimento supervisionato]] [[ja:教師ã‚りå¦ç¿’]] [[ru:Обучение Ñ ÑƒÑ‡Ð¸Ñ‚ÐµÐ»ÐµÐ¼]] [[th:à¸à¸²à¸£à¹€à¸£à¸µà¸¢à¸™à¸£à¸¹à¹‰à¹à¸šà¸šà¸¡à¸µà¸œà¸¹à¹‰à¸ªà¸à¸™]] [[vi:Há»c có giám sát]] [[zh:監ç£å¼å¸ç¿’]]</text> </revision> </page>