Labomedia Ressources

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
====== Apprentissage Non Supervisé ======
<WRAP center round box 60% centeralign>
**{{tagpage>ia|Intelligence Artificielle}}**     **[[http://translate.google.com/translate?hl=&sl=auto&tl=en&u=https%3A%2F%2Fressources.labomedia.org%2Fapprentissage_non_supervise|English Version]]**
</WRAP>
<WRAP center round box 60% centeralign>
**[[les_pages_intelligence_artificielle_en_details|Les Pages Intelligence Artificielle en détails]]**
</WRAP>

===== Data Minning : fouille de données =====
  * **[[https://fr.wikipedia.org/wiki/Logiciels_de_fouille_de_donn%C3%A9es|Logiciels de fouille de données]]** @ fr.wikipedia.org
  * **[[https://orange.biolab.si/|orange.biolab.si Data Mining
Fruitful and Fun]]**
=====Apprentissage Supervisé=====
  * **[[https://fr.wikipedia.org/wiki/Apprentissage_supervis%C3%A9|Apprentissage supervisé sur Wikipedia.fr]]** L'apprentissage supervisé est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples **annotés**, au contraire de l'apprentissage non supervisé.

Le jeu de données comprend des datas où chaque data à une étiquette: exemple, une image de chien à une étiquette qui définit où est le chien et qui dit que c'est un chien !

  * https://blogs.infinitesquare.com/posts/divers/classifier-des-images-avec-tensorflow



=====Apprentissage non supervisé=====
  * **[[https://fr.wikipedia.org/wiki/Apprentissage_non_supervis%C3%A9|Apprentissage non supervisé sur fr.wikipedia.org]]** Dans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où **les données ne sont pas étiquetées**. Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite. 

Même si un système d'IA d'apprentissage non supervisé parvient tout seul, par exemple, à faire le tri entre des chats et des chiens, il peut aussi ajouter des catégories inattendues et non désirées, et classer des races inhabituelles, introduisant plus de bruit que d'ordre.

C'est un bel exemple de **boite noire**.

   * **[[https://scikit-learn.org/dev/unsupervised_learning.html|Unsupervised learning avec scikit-learn]]** 


=====Exemple avec scikit-learn=====
  * **[[scikit-learn_exemples|]]**

====MeanShift====
  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.MeanShift.html

{{ :media_14:mean_shift_marche_40hz.png?600 |}}

====OPTICS====
  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.OPTICS.html

{{ :media_14:optics.png?600 |}}

====DBSCAN====
  * https://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html#sklearn.cluster.DBSCAN

{{ :media_14:dbscan.png?600 |}}
=====Ressources=====
  * https://fr.wikipedia.org/wiki/Probl%C3%A8me_NP-complet NP-difficile
  * https://www.vneuron.com/2018/01/23/introduction-a-lapprentissage-automatique-avec-scikit-learn/
  * https://www.math.univ-toulouse.fr/~besse/Wikistat/pdf/st-tutor3-python-scikit.pdf
  * https://makina-corpus.com/blog/metier/2017/initiation-au-machine-learning-avec-python-pratique



{{tag>ia sb}}