Tout savoir sur le « machine learning » (II), training-set, sous-apprentissage et sur-apprentissage

Un processus de « machine learning » a pour finalité d’apprendre à un algorithme à faire des prévisions sur un sujet donné, en s’appuyant sur un modèle. L’un des modes utilisés, le plus courant en 2018, est dit supervisé, en ce sens qu’il est fondé sur des jeux de données (datasets), caractéristiques du sujet traité, fournis éventuellement par des prestataires externes, qui permettent à l’algorithme de se « familiariser » avec l’objectif.

Il s’agira par exemple d’une bibliothèque d’images, d’un ensemble de comportements, d’alertes significatives pour comprendre une fraude, de symptômes pour la détection de maladies, etc.

La suite est réservée aux abonnés. Déjà abonné ? Connexion

Les critères sont évalués de 1 à 5

Marché
Présence réelle sur le marché.
Usage
Intérêt potentiel, hors considérations commerciales
Standards
Niveau de standardisation du sujet
Coût
Intérêt potentiel, hors considérations commerciales
Futur
Niveau de crédibilité prévisible
Maturité
Niveau de maturité atteint actuellement