Mémoire de Master II en Informatique 16 c~NJAMEN M.
ZELKIF 2020-2021
2.2. LE MACHINE LEARNING (APPRENTISSAGE
AUTOMATIQUE)CHAPITRE 2. REVUE DE LA LITTÉRATURE
pour la recherche d'image par le contenu; aide aux
diagnostics, médical notamment, bio-informatique,
chémoinformatique ou chimio-informatique; interfaces cerveau-machine;
détection de fraudes à la carte de crédit,
cybersécurité, analyse financière, dont analyse du
marchéboursier; classification des séquences d'ADN; jeu;
génie logiciel; adaptation de sites Web; robotique (locomotion de
robots, etc.); analyse prédictive dans de nombreux domaines
(éducation, financière, médicale, juridique, judiciaire).
Exemples :
· D'après Nguyen et al. [5] Un système de
recommandation pour la prédiction des performances des étudiants
dans un cours de E-learning.
· Selon Hanaa et al. [6], Un système de
recommandation et de prédiction basésur la performances des
étudiants dans un cours de E-Learning.
2.2.1 Les Types d'apprentissages
On peut séparer les tâches de l'apprentissage
automatique en trois grandes familles :
· Apprentissage supervisé;
· Apprentissage Non supervisé;
· Apprentissage par renforcement.
2.2.1.1 Apprentissage supervisé
Dans Wikipédia [13], Lorsque les classes (les sorties
désirées) sont prédéterminées et les
exemples connus, le système apprend à classer selon un
modèle de classification ou de classement; on parle d'apprentissage
supervisé(ou d'analyse discriminante).
La formulation du problème de l'apprentissage
superviséest simple: « on dispose d'un nombre fini d'exemples d'une
tàache à réaliser, sous forme de paires
(entrée,sortie désirée), et on souhaite obtenir, d'une
manière automatique, un système capable de trouver de
façon relativement fiable la sortie correspondant à toute
nouvelle entrée qui pourrait lui être présentée
».
Un expert (ou oracle) doit préalablement
étiqueter des exemples. Le processus se passe en deux phases. La
première phase (dite d'apprentissage) consiste à
déterminer un modèle à partir des données
étiquetées. La seconde phase (dite de test) consiste à
prédire l'étiquette d'une nouvelle donnée, connaissant le
modèle préalablement appris. D'où:
Mémoire de Master II en Informatique 17 c~NJAMEN M. ZELKIF
2020-2021
2.2. LE MACHINE LEARNING (APPRENTISSAGE
AUTOMATIQUE)CHAPITRE 2. REVUE DE LA LITTÉRATURE
Dn = {(x1, y1), ...,
(xn, yn)}, inférer la
relation entre x et y selon Alain [14].
Synonymes : discrimination, reconnaissance de formes.
Vocabulaire : xi =
Caractéristique = Feature = V
ariableexplicative. On distingue en général trois types de
problèmes auxquels l'apprentissage superviséest appliqué.
Ces tâches diffèrent essentiellement par la nature des paires
(entrée, sortie) qui y sont associées. Ainsi, on a :
A) Classification:
Dans les problèmes de classification, l'entrée
correspond à une instance d'une classe, et la sortie qui y est
associée indique la classe. Par exemple pour un problème de
reconnaissance de visage, l'entrée serait l'image bitmap d'une personne
telle que fournie par une caméra, et la sortie indiquerait de quelle
personne il s'agit (parmi l'ensemble de personnes que l'on souhaite voir le
système reconnaître).
B) Régression :
Dans les problèmes de régression,
l'entrée n'est pas associée à une classe, mais dans le cas
général, à une ou plusieurs valeurs réelles (un
vecteur). Par exemple, pour une expérience de biochimie, on pourrait
vouloir prédire le taux de réaction d'un organisme en fonction
des taux de différentes substances qui lui sont administrées.
C) Séries temporelles :
Dans les problèmes de séries temporelles, il
s'agit typiquement de prédire les valeurs futures d'une certaine
quantitéconnaissant ses valeurs passées ainsi que d'autres
informations. Par exemple le rendement d'une action en bourse. . . Une
différence importante avec les problèmes de régression ou
de classification est que les données suivent typiquement une
distribution non stationnaire.
Selon Matthieu [15], En classification, on essaie de
catégoriser les entrées dans les bonnes classes. En
régression, on estime une relation entre entrée et sortie.
Mémoire de Master II en Informatique 18 c~NJAMEN M. ZELKIF
2020-2021
| 
