Comment mesure-t-on les performances d'un modèle supervisé ?

Les classificateurs sont évalués selon leur exactitude, leur précision, leur rappel et leur score F1, valeurs extraites d'une matrice de confusion. Les régresseurs sont évalués selon l'erreur quadratique moyenne (RMSE), l'erreur absolue moyenne (MAE) ou le coefficient de détermination (R²). Il est impératif de toujours indiquer le score obtenu sur des données non vues lors de l'entraînement.

Apprentissage automatique supervisé : Algorithms, types et exemples

⚡ Résumé intelligent

L'apprentissage automatique supervisé entraîne un algorithme sur des exemples étiquetés afin qu'il puisse prédire les résultats pour des données qu'il n'a jamais vues auparavant, en utilisant la régression pour les cibles numériques et la classification pour les cibles catégorielles telles que le spam ou la fraude.

(I.e. Apprend de ses réponses : Chaque ligne d'entraînement contient la sortie correcte, le modèle apprend donc une correspondance directe entre les entrées et les sorties.ping.
☑️ Deux familles de tâches : La régression prédit un nombre ; la classification attribue une étiquette à l’une des deux classes ou plus.
✅ Algorithmes nommés : Régression linéaire et logistique, Naive Bayes, arbres de décision, forêts aléatoires et machines à vecteurs de support.
🧪 Exemple concret : Temps de trajet estimé en fonction des conditions météorologiques, de l'heure, des jours fériés et de l'itinéraire choisi.
️ Mesurable par conception : Comme il existe des données de référence, l'exactitude, la précision, le rappel et l'erreur quadratique moyenne (RMSE) évaluent le modèle objectivement.
⚙️ Le compromis : L'étiquetage est coûteux, et une classe absente de l'entraînement ne sera jamais prédite correctement.

Qu'est-ce que l'apprentissage automatique supervisé ?

L'apprentissage automatique supervisé est un algorithme qui apprend à partir de données d'entraînement étiquetées afin de prédire les résultats pour des données imprévues. Dans l'apprentissage supervisé, la machine est entraînée à l'aide de données déjà bien étiquetées, c'est-à-dire comportant des réponses correctes. On peut le comparer à un apprentissage sous la supervision d'un enseignant.

La conception, la mise à l'échelle et le déploiement réussis de modèles d'apprentissage automatique supervisé précis exigent du temps et l'expertise technique d'une équipe de data scientists hautement qualifiés. Ces derniers doivent également reconstruire les modèles périodiquement afin que les informations qu'ils produisent restent pertinentes malgré l'évolution des données sous-jacentes.

Comment fonctionne l'apprentissage supervisé

L'apprentissage automatique supervisé utilise des ensembles de données de formation pour obtenir les résultats souhaités. Ces ensembles de données contiennent des entrées et la sortie correcte qui aident le modèle à apprendre plus rapidement. Par exemple, vous souhaitez former une machine pour vous aider à prédire combien de temps il vous faudra pour rentrer chez vous depuis votre lieu de travail.

Ici, vous commencez par créer un ensemble de données étiquetées. Ces données comprennent :

Conditions météorologiques
Moment de la journée
Les Fêtes de Fin d'Année
Itinéraire choisi

Tous ces détails constituent vos données d'entrée dans cet exemple d'apprentissage supervisé. La sortie correspond au temps de trajet retour ce jour-là, comme illustré ci-dessous.

Vous savez instinctivement que s'il pleut, le trajet du retour sera plus long. Mais la machine a besoin de données et de statistiques.

La première étape consiste à créer un ensemble d'entraînement. Celui-ci contiendra la durée totale du trajet domicile-travail ainsi que des facteurs associés comme la météo, l'heure, etc. Grâce à cet ensemble d'entraînement, votre système pourra établir une corrélation directe entre la quantité de pluie et le temps de trajet.

Ainsi, il apparaît que plus il pleut, plus le trajet pour rentrer chez soi sera long. Il est également possible d'établir un lien entre l'heure de départ du travail et la durée du trajet : plus on se rapproche de 6 h, plus le retour à la maison est long.

Votre machine pourra peut-être identifier certaines corrélations avec vos données étiquetées. Cette phase d'apprentissage est illustrée ci-dessous.

Phase d'apprentissage : données d'entraînement → vecteur de caractéristiques → algorithme → modèle entraîné — Phase d'apprentissage : données d'entraînement → vecteur de caractéristiques → algorithme → modèle

Voici le début de votre modèle de données. Il commence à enregistrer comment la pluie influence la conduite et que les déplacements sont plus fréquents à certaines heures de la journée.

Types d’apprentissage automatique supervisé Algorithms

Voici les types d’algorithmes d’apprentissage automatique supervisé :

Régression

La technique de régression prédit une seule valeur de sortie continue à partir de données d'apprentissage.

Exemple : vous pouvez utiliser la régression pour prédire le prix de l'immobilier à partir des données de formation. Les variables d'entrée seront la localité, la taille d'une maison, etc.

Points forts : Les résultats sont faciles à interpréter et l’algorithme peut être régularisé pour éviter le surapprentissage.

Points faibles : Un modèle linéaire manque de flexibilité et ne permet donc pas de saisir les relations complexes sans fonctionnalités supplémentaires.

Voici quelques types de régression Algorithms:

Régression linéaire
Régression polynomiale
Régression Ridge et Lasso
Régression logistique (pour la classification)
Régression par arbre de décision et forêt aléatoire
Prise en charge de la régression vectorielle

Régression logistique:

La régression logistique permet d'estimer des valeurs discrètes à partir d'un ensemble de variables indépendantes. Elle aide à prédire la probabilité d'occurrence d'un événement en ajustant les données à une fonction logit. C'est pourquoi on l'appelle aussi régression logistique. Comme elle prédit une probabilité, sa valeur de sortie se situe entre 0 et 1, et ses performances peuvent être moindres en présence de frontières de décision multiples ou non linéaires.

Classification

La classification consiste à regrouper les données de sortie au sein d'une classe. Si l'algorithme tente de classer les données d'entrée en deux classes distinctes, on parle de classification binaire. La sélection entre plus de deux classes est appelée classification multiclasse.

Exemple : Déterminer si une personne sera ou non en défaut de paiement de son prêt.

Points forts : Les arbres de classification donnent d'excellents résultats en pratique.

Faiblesses : Les arbres individuels non contraints sont sujets au surapprentissage.

Voici quelques types de classification Algorithms:

Classificateurs bayésiens naïfs
Arbres de décision
Soutenir la machine vectorielle
Les voisins les plus proches
Forêt aléatoire et gradient boosting

Classificateurs bayésiens naïfs

Le Naïf Bayes Ce modèle est facile à construire et très utile pour les grands ensembles de données. Cette méthode repose sur des graphes acycliques orientés comportant un parent et plusieurs enfants. Elle suppose l'indépendance des nœuds enfants par rapport à leur parent.

Arbres de décision

Les arbres de décision classent une instance en la triant selon la valeur de ses caractéristiques. Dans cette méthode, chaque nœud représente une caractéristique de l'instance à classer, et chaque branche représente une valeur possible pour ce nœud. C'est une technique de classification largement utilisée.

La même structure s'applique à la régression : un arbre de régression permet d'estimer des valeurs réelles (coût d'achat d'une voiture, nombre d'appels, total des ventes mensuelles, etc.).

Soutenir la machine vectorielle

La machine à vecteurs de support (SVM) est un type d'algorithme d'apprentissage introduit dans les années 1990. Cette méthode est basée sur les résultats de la théorie de l'apprentissage statistique développée par Vladimir Vapnik et ses collègues.

Les SVM sont également étroitement liées aux fonctions noyau, un concept central pour la plupart des tâches d'apprentissage. Le cadre des noyaux et les SVM sont utilisés dans de nombreux domaines, notamment la recherche d'informations multimédias, la bioinformatique et la reconnaissance de formes. Chaque estimateur mentionné ci-dessus est documenté avec ses paramètres de réglage. scikit-apprendre référence.

Techniques d'apprentissage automatique supervisées et non supervisées

Placer la méthode à côté apprentissage non supervisé elle définit clairement ses limites.

Basé sur	Technique d'apprentissage automatique supervisé	Technique d'apprentissage automatique non supervisé
Des données d'entrée	Algorithms sont formés à l’aide de données étiquetées.	Algorithms sont utilisés contre des données qui ne sont pas étiquetées
Complexité informatique	L'apprentissage supervisé est une méthode plus simple.	L'apprentissage non supervisé est complexe sur le plan informatique
Exactitude	Méthode très précise et fiable.	Less méthode précise et fiable.
Algorithmes typiques	Régression logistique, arbres de décision, SVM, Naive Bayes	K-means, clustering hiérarchique, PCA
Comment les résultats sont évalués	Évaluation par rapport aux réponses connues (exactitude, RMSE)	Évalué selon des critères internes et un examen humain

Défis de l'apprentissage automatique supervisé

Voici les défis rencontrés dans l’apprentissage automatique supervisé :

Des caractéristiques d'entrée non pertinentes dans les données d'entraînement peuvent produire des résultats inexacts
La préparation et le prétraitement des données constituent toujours un défi.
La précision se dégrade lorsque des valeurs impossibles, improbables ou incomplètes ont été saisies comme données d'entraînement.
Si l'expert concerné n'est pas disponible, l'autre approche consiste à utiliser la méthode « par force brute ». Cela signifie qu'il faut deviner sur quelles caractéristiques (variables d'entrée) entraîner la machine, et cette supposition peut être inexacte.

Avantages de l'apprentissage supervisé

Face à ces défis, voici les avantages de l'apprentissage automatique supervisé :

Apprentissage supervisé en Machine Learning vous permet de collecter des données ou de produire un résultat de données à partir d'expériences antérieures
Vous aide à optimiser les critères de performance en utilisant l’expérience
L'apprentissage automatique supervisé vous aide à résoudre différents types de problèmes de calcul réels.

Inconvénients de l’apprentissage supervisé

Voici les inconvénients de l'apprentissage automatique supervisé :

La frontière de décision peut être sur-entraînée si votre ensemble d'entraînement ne contient pas d'exemples que vous souhaitez inclure dans une classe.
Vous devez sélectionner de nombreux bons exemples dans chaque classe pendant que vous entraînez le classificateur.
La classification des données massives peut s'avérer un véritable défi.
La formation à l’apprentissage supervisé nécessite beaucoup de temps de calcul.

Meilleures pratiques pour l'apprentissage supervisé

La séquence suivante maintient un projet en cours. track:

Avant toute chose, déterminez quel type de données sera utilisé comme ensemble d'entraînement.
Déterminez la structure de la fonction apprise et l'algorithme d'apprentissage.
Recueillir les résultats correspondants, soit auprès d'experts humains, soit à partir de mesures.
Mettez de côté un ensemble de test que le modèle ne voit jamais, et indiquez le score obtenu.

FAQ

Les classificateurs sont évalués selon leur exactitude, leur précision, leur rappel et leur score F1, valeurs lues à partir d'un matrice de confusionLes régresseurs utilisent le RMSE, le MAE ou le R². Indiquez toujours le score sur des données non vues lors de l'observation.

Les données étiquetées sont divisées, généralement à raison de 70 à 80 % pour l'entraînement et le reste pour les tests. Les lignes de test restent inchangées jusqu'à la fin, de sorte que le score reflète des données non vues lors de l'entraînement.

Un modèle surajusté mémorise du bruit : score d’entraînement élevé, score de test faible. Un modèle sous-ajusté est trop simple et obtient de mauvais résultats aux deux tests. La régularisation et l’élagage rétablissent l’équilibre.

Il n'y a pas de nombre fixe. Il augmente avec le nombre de caractéristiques et de classes. La qualité des étiquettes prime sur leur volume brut : des étiquettes incohérentes compromettent durablement la précision.

Filtrage des spams, notation de crédit, détection des fraudes, triage médical, prévision de la demande, estimation des prix de l'immobilier et reconnaissance vocale : chaque application associe des données historiques à un résultat enregistré, définissant ainsi les besoins en apprentissage supervisé.

L'apprentissage semi-supervisé combine un petit ensemble étiqueté avec un grand ensemble non étiqueté. La structure des lignes non étiquetées guide le modèle, ce qui permet d'obtenir une précision proche de celle d'un apprentissage supervisé, pour un coût d'étiquetage moindre.

Les outils d'apprentissage automatique (AutoML) recherchent des algorithmes, des transformations de caractéristiques et des hyperparamètres, puis classent les candidats selon un score validé par validation croisée. Cela élimine la plupart des essais et erreurs manuels, mais un humain choisit toujours la métrique et vérifie l'absence de fuites de données.

Copilote GitHub Ce générateur crée des pipelines scikit-learn, des ensembles d'entraînement et de test, ainsi que des rapports d'évaluation à partir d'une brève instruction. Il vérifie que la division est stratifiée et qu'une graine aléatoire a été fixée.