Apprentissage non-supervisé
Un article de Wikipédia, l'encyclopédie libre.
L'apprentissage non-supervisé est une méthode d'apprentissage automatique. Cette méthode se distingue de l'apprentissage supervisé par le fait qu'il n'y a pas de sortie a priori. Dans l'apprentissage non-supervisé il y a en entrée un ensemble de données collectées. Ensuite le programme traite ces données comme des variables aléatoires et construit un modèle de densités jointes pour cet ensemble de données.
L'apprentissage non-supervisé peut aussi être utilisé en conjonction avec une inférence bayésienne pour produire des probabilités conditionnelles pour chaque variable aléatoire étant donné les autres.
Une autre forme d'apprentissage non-supervisé est le partitionnement de données qui n'est pas toujours probabiliste.
