Classification Classification

1. Définition

Il est temps à présent de passer au cœur de MLlib : l’entrainement (également appelé apprentissage). Une fois que vous avez préparé vos données, vous alimentez alors un algorithme avec lesdites données pour comprendre les structures au sein de celles-ci. Ces dernières sont enregistrées dans une fonction que vous pouvez alors utiliser pour générer des prédictions. Cette fonction est plus communément appelée modèle. Ainsi, à l’étape d’entraînement, nous construisons un modèle.

Lors de l’inférence, nous nous en servons pour faire des prédictions.

Nous distinguons généralement deux formes d’apprentissages : supervisé et non supervisé. Cette catégorisation dans certains cas peut paraître simpliste par rapport à la réalité des modèles qui sont parfois des formes hybrides de différentes structures (un mélange d’apprentissages supervisé et non supervisé, voire d’autres formes d’apprentissages). Cependant, dans beaucoup de situations, les concepts d’apprentissage supervisé et non supervisé ont encore du sens et de l’avenir devant eux. Apprentissage:supervisé Apprentissage:non supervisé

Nous laissons de côté tout ce qui est non supervisé pour l’instant. Pour...