<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 &lt;math&gt; (x_n, y_n)_{1 \le n \le N} &lt;/math&gt; avec &lt;math&gt; x_n \in X &lt;/math&gt; et &lt;math&gt; y_n \in Y &lt;/math&gt;, que l'on considère être tirées selon une loi sur &lt;math&gt;X \times Y&lt;/math&gt; inconnue, par exemple ''x&lt;sub&gt;n&lt;/sub&gt;'' suit une loi uniforme et ''y&lt;sub&gt;n&lt;/sub&gt; = f(x&lt;sub&gt;n&lt;/sub&gt;) + w&lt;sub&gt;n&lt;/sub&gt;'' où ''w&lt;sub&gt;n&lt;/sub&gt;'' 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 :
* &lt;math&gt;Y \subset \Bbb{R}&lt;/math&gt; : 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]].
* &lt;math&gt;Y = \{1, \ldots, I\}&lt;/math&gt; : 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:教師あり学習]]
[[ru:Обучение с учителем]]
[[th:การเรียนรู้แบบมีผู้สอน]]
[[vi:Học có giám sát]]
[[zh:監督式學習]]</text>
    </revision>
  </page>