Français 
English 
Deutsch (Sie) 
Par Tom Taulli | Forbes
…
Apprentissage supervisé, non supervisé et par renforcement
Justin Silver, responsable de la science et de la recherche chez PROS :
Il existe trois grandes catégories d'apprentissage automatique : l'apprentissage supervisé, l'apprentissage non supervisé et l'apprentissage par renforcement. Dans l'apprentissage supervisé, la machine observe un ensemble de cas (pensez aux "cas" comme des scénarios tels que "Le temps est froid et pluvieux") et leurs résultats (par exemple, "Jean ira à la plage") et apprend des règles dans le but de pouvoir prédire les résultats des cas non observés (si, dans le passé, Jean est généralement allé à la plage lorsqu'il faisait froid et pluvieux, à l'avenir, la machine prédira que Jean ira très probablement à la plage lorsque le temps sera froid et pluvieux). Dans l'apprentissage non supervisé, la machine observe un ensemble de cas, sans observer de résultats pour ces cas, et apprend des modèles qui lui permettent de classer les cas dans des groupes présentant des caractéristiques similaires (sans savoir si Jean est allé à la plage, la machine apprend que "Le temps est froid et pluvieux" est similaire à "Il neige", mais pas à "Il fait chaud dehors"). Dans l'apprentissage par renforcement, la machine prend des mesures pour atteindre un objectif, reçoit un retour d'information sur ces mesures et apprend, par essais et erreurs, à prendre des mesures qui permettent de mieux atteindre cet objectif (si la machine essaie d'aider Jean à éviter les jours de plage froids et pluvieux, elle pourrait donner à Jean des suggestions pendant un certain temps sur la question de savoir s'il faut aller à la plage, tirer des enseignements des réactions positives et négatives de Jean et continuer à mettre à jour ses suggestions).