3. Apprentissage à partir de données
Les modules de RDF sont mis au point par des techniques d’apprentissage automatique. Nous distinguons ici deux cadres d’apprentissage correspondant à deux types de systèmes, le cadre de l’apprentissage supervisé et le cadre de l’apprentissage non supervisé (à noter que d’autres cadres existent, notamment le cadre semi-supervisé).
Nous présentons rapidement ces deux cadres puis détaillons les éléments nécessaires à l’apprentissage d’un module de classification (cadre supervisé) et d’un module de partitionnement (cadre non supervisé).
3.1 Cadre supervisé et non supervisé
L’apprentissage supervisé vise à concevoir un module capable d’apprendre une association entrée sortie à partir d’une collection d’exemples d’apprentissage sous forme de paires (entrée, sortie désirée)....
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Apprentissage à partir de données
Méthodes basées sur les distances et le voisinage
Sources bibliographiques
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Mathématiques"
(
228 articles
)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
