Apprentissage supervisé

À partir de quoi un modèle supervisé apprend-il ?

L’apprentissage supervisé utilise pour l’entraînement des entrées accompagnées des cibles correspondantes. Ces cibles, appelées étiquettes, peuvent être des classes ou des valeurs numériques. Le modèle doit apprendre des relations permettant de prédire des résultats adaptés à de nouvelles entrées. Les cibles doivent correspondre à la tâche prévue. Le terme supervisé renvoie à ces cibles d’entraînement ; une validation humaine pendant l’utilisation ultérieure est définie comme une étape distincte du processus.

Dans un projet de service fictif, d’anciens messages dont l’affectation aux équipes Réparation ou Facturation a été vérifiée doivent servir d’exemples d’entraînement. L’équipe vérifie d’abord si ces affectations reflètent les responsabilités souhaitées aujourd’hui et ont été attribuées de façon cohérente. Des étiquettes erronées peuvent enseigner des relations incorrectes. D’autres messages adaptés, absents de l’entraînement, sont prévus pour l’évaluation. Celle-ci doit aussi examiner le traitement des demandes ambiguës ou jusqu’alors inconnues. La présence d’étiquettes rend cette méthode possible, mais ne démontre pas une qualité suffisante pour l’exploitation.

Sources

• Google · Machine Learning Glossary