Veiledet læring

Den overvåket læring ( overvåket lære engelsk) er en oppgave for maskinlæring som består lære en varslingsfunksjon fra kommenterte eksempler, i stedet for uten tilsyn læring . Det skilles mellom regresjonsproblemer og klassifiseringsproblemer . Således blir prediksjonsproblemene til en kvantitativ variabel betraktet som regresjonsproblemer mens prediksjonsproblemene til en kvalitativ variabel er klassifiseringsproblemer.

De kommenterte eksemplene utgjør en læringsbase, og den lærte prediksjonsfunksjonen kan også kalles en “hypotese” eller “modell”. Vi antar at dette læringsgrunnlaget er representativt for en større utvalgspopulasjon, og målet med veiledede læringsmetoder er å generalisere godt , det vil si å lære en funksjon som gir riktige spådommer på data som ikke er til stede i treningssettet.

Matematisk definisjon

En trenings database (eller treningssett ) er et sett av input-utgangspar med og , som vi anser å være trukket i henhold til en lov om fiksert og kjent, for eksempel x n følger en ensartet lov og y n = f (x n ) + w n der w n er en sentrert støy . $(x_ {n}, y_ {n}) _ {{1 \ leq n \ leq N}}$ $x_ {n} \ i X$ $y_ {n} \ i Y$ $X \ ganger Y$

Den overvåkede læringsmetoden bruker denne læringsbasen til å bestemme et estimat av f betegnet med g og kalt uten å skille prediksjonsfunksjonen, hypotesen eller modellen som, med en ny inngang x, forbinder en utgang g (x) . Målet med en overvåket læringsalgoritme Vi sier at den lærte prediksjonsfunksjonen må ha gode garantier i generalisering .

Det er tre typer løselige problemer med en overvåket maskinlæringsmetode:

${\ displaystyle Y \ subset \ mathbb {R}}$ : når produksjonen vi søker å estimere er en verdi i et kontinuerlig sett med reelle tall, snakker vi om et regresjonsproblem . Forutsigelsesfunksjonen kalles da en regressor.
$Y = \ {1, \ ldots, I \}$ : når settet med utgangsverdier er ferdig , snakker vi om et klassifiseringsproblem , som tilsvarer å tildele en etikett til hver inngang. Forutsigelsesfunksjonen kalles da en klassifikator .
Når er et strukturert datasett , snakker vi om et strukturert prediksjonsproblem , som tilsvarer å tildele en kompleks utgang til hver inngang. For eksempel i bioinformatikk kan problemet med å forutsi nettverk av interaksjoner mellom gener betraktes som et problem med strukturert prediksjon der det mulige settet med strukturerte utganger er settet med alle grafene som modellerer mulige interaksjoner. $Y$

Veiledede læringsmetoder

applikasjoner

Se også

Relaterte artikler

Bibliografi

Antoine Cornuéjols, Laurent Miclet, Yves Kodratoff, kunstig læring: konsepter og algoritmer , Eyrolles,2002( ISBN 2-212-11020-0 ) [ detalj av utgaver ]
(fr) Tom M. Mitchell, maskinlæring ,1997[ detalj av utgaver ]
(en) Christopher M. Bishop, mønstergjenkjenning og maskinlæring , Springer,2006( ISBN 0-387-31073-8 ) [ detalj av utgaver ]

Merknader og referanser

"klassifisering" er den riktige oversettelsen av det engelske begrepet klassifisering ; den franske "klassifiseringen" tilsvarer mer klynging på engelsk. Se for eksempel Quebec BDL