Apprentissage non supervisé

Quelles structures l’apprentissage non supervisé recherche-t-il ?

L’apprentissage non supervisé recherche des structures dans les données sans utiliser de réponses cibles prédéfinies pour la tâche d’entraînement concernée. Il peut regrouper des exemples similaires ou condenser de nombreuses caractéristiques dans une représentation plus petite. La préparation des données, les caractéristiques et la méthode influencent les similarités qui comptent. Les personnes doivent définir et évaluer la tâche ainsi que l’utilité ultérieure des résultats. Une structure découverte ne reçoit pas automatiquement une interprétation métier valide.

Dans un projet de service fictif, des messages sans étiquettes thématiques préalables doivent être regroupés par similarité de contenu. Des membres du personnel examinent les groupes obtenus pour vérifier s’ils rassemblent clairement des demandes récurrentes. La langue ou des formulations similaires pourraient davantage influencer le regroupement que le problème réel. L’équipe prévoit donc des exemples d’une même demande formulée différemment et de demandes différentes formulées avec des mots proches. Les groupes servent d’abord à l’exploration. Leur dénomination et leur éventuelle utilisation comme catégories de travail exigent une évaluation distincte ; priorité et responsabilité ne sont pas encore déterminées.

Sources

• Google · Machine Learning Glossary