Les différentes catégories de machine learning

Depuis la création des ordinateurs et la mise au point de redoutables moyens de programmation, l'univers de l'informatique ne cesse de s'élargir. Le machine learning est devenu un incontournable parmi les techniques de programmation, compte tenu de son objectif de base: apprendre aux ordinateurs à acquérir de nouvelles connaissances. Son but ultime est de programmer l'ordinateur à réagir convenablement à des situations auxquelles il n'était pas programmé. Découvrez dans la suite les différentes catégories de machine learning.

Le machine learning avec supervision

Elémentaire mais strict, le machine learning avec supervision est une technique par laquelle le programmateur soumet à la machine des exemples d'entrées et des sorties souhaitées. C'est comme donner à l'ordinateur l'explication claire et illustrée de la règle générale gouvernant les entrées et sorties. Ainsi la technique peut être utilisée pour prédire de futures données: par exemple prédire le coût d'un bien immobilier en se basant sur les entrées que sont l'année d'acquisition du bien, la surface, le nombre de pièces, etc. Le machine learning se divise en classification et régression, et utilise plusieurs logiciels dont les arbres décisionnels, la régression linéaire, etc.

Le machine learning sans supervision

Ici, contrairement au machine learning avec supervision, il est donné à l'algorithme le soin de faire lui-même la détermination des caractéristiques détaillées de l'entrée. À titre d'exemple, on peut citer l'algorithme de reconnaissance faciale qu'utilise Facebook, identifiant les personnes sur les photos que l'utilisateur publie. On distingue deux types: le clustering et l'association; et quelques algorithmes utilisés sont: le K-means et le clustering.

Le machine learning par renforcement

Dans ce cas-ci, il y a une interaction entre le programme informatique et l'environnement dynamique où il doit accomplir une tâche. C'est une technologie très utilisée dans les jeux vidéo, notamment Atari en 2013. Il existe deux types aussi: le Monte carlo et le machine learning par différence temporelle; et les algorithmes prisés sont entre autres le Q-learning, le SARSA, etc.