Libellé préféré : Apprentissage machine non supervisé;
Définition CISMeF : Apprentissage automatique dans lequel l'algorithme utilise un jeu de données brutes
et obtient un résultat en se fondant sur la détection de similarités entre certaines
de ces données. Note : L'apprentissage non supervisé est utilisé, par exemple, pour
l'identification de comportements et la recommandation d'achats (source BO).; Dans le domaine informatique et de l'intelligence artificielle, l'apprentissage non
supervisé est un problème d'apprentissage automatique. Il s'agit, pour un logiciel,
de trouver des structures sous-jacentes à partir de données non étiquetées. Puisque
les données ne sont pas étiquetées, il n'est pas possible d'affecter au résultat de
l'algorithme utilisé un score d'adéquation. Cette absence d'étiquetage (ou d'annotation)
est ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage
supervisé (source Wikipédia).;
Synonyme CISMeF : apprentissage non supervisé; apprentissage automatique non supervisé;
Traduction automatique Wikipédia : Partitionnement de données;
Lien Wikipédia : https://fr.wikipedia.org/wiki/Partitionnement de données;
Identifiant d'origine : D000069558;
CUI UMLS : C4042902;
Alignements automatiques CISMeF supervisés
- Concept(s) lié(s) au record
- Liste des qualificatifs affiliables
- Type(s) sémantique(s)
- Voir aussi
Apprentissage automatique dans lequel l'algorithme utilise un jeu de données brutes
et obtient un résultat en se fondant sur la détection de similarités entre certaines
de ces données. Note : L'apprentissage non supervisé est utilisé, par exemple, pour
l'identification de comportements et la recommandation d'achats (source BO).
Dans le domaine informatique et de l'intelligence artificielle, l'apprentissage non
supervisé est un problème d'apprentissage automatique. Il s'agit, pour un logiciel,
de trouver des structures sous-jacentes à partir de données non étiquetées. Puisque
les données ne sont pas étiquetées, il n'est pas possible d'affecter au résultat de
l'algorithme utilisé un score d'adéquation. Cette absence d'étiquetage (ou d'annotation)
est ce qui distingue les tâches d'apprentissage non-supervisé des tâches d'apprentissage
supervisé (source Wikipédia).
