Les percées contemporaines en matière de sécurité contre la fraude, de recommandations de produits ou de services dans la vente au détail en ligne, de productivité itinérante et de diagnostics médicaux améliorés sont quelques-unes des nombreuses approches qu’un logiciel de compréhension crée actuellement une grande différence dans votre style de vie. Cependant, il existe certainement de multiples formes de découverte de machine, ainsi qu’un assortiment d’ensembles de règles et de manières particulières de les appliquer. Dans ce manuel, nous allons décomposer deux des types les plus courants – la compréhension surveillée et non supervisée – et discuter de leurs différences en utilisant des visuels amusants et des conditions de vraie communauté. Juste avant de plonger dans la masse des méthodes observées et de la découverte non supervisée effectuée, commençons par évaluer et distinguer leurs différences. En ce qui concerne la découverte surveillée, vous découvrirez une «réalité sur le terrain», qui indique essentiellement que nous avons peut-être appris ce que devraient être les idéaux de productivité. Les vérités du terrain sont des présomptions du monde entier sur ce que nous savons. Par exemple, les chiens sont des chiens et les chats sont des chats domestiques. C’est peut-être une simplification exagérée, mais il convient de le noter car nous avons été formés à un moment donné de notre vie quotidienne et les modèles doivent être expliqués en même temps. Par conséquent, le but de la compréhension surveillée. Dans notre illustration, nous verrons comment on peut apprendre à un équipement à distinguer les chiens des chats. En dessous, nous pouvons observer comment les marques sont placées sur les informations d’entraînement pour fournir un contexte à cet algorithme de découverte d’unités. Tenez compte, l’appareil ne sait pas particulièrement comment diviser les chatons des chiens, il comprend simplement ce qu’il a appris jusqu’à présent. C’est pourquoi les informations d’instruction et un étiquetage approprié sont extrêmement importants. Si les informations sont bruyantes ou inappropriées, cela peut avoir une incidence sur le niveau de découverte de l’équipement. Plus le temps et l’énergie consacrés à l’étude surveillée seront nombreux, plus les résultats seront précis. Il est peu probable que la version soit disponible pour la première fois, il est donc tout aussi important que la personne associée au produit continue de l’améliorer. Il existe de nombreuses stratégies pour l’apprentissage supervisé, mais deux des méthodes les plus fréquemment utilisées actuellement sont la classification et la régression. L’exemple que nous avons utilisé ci-dessus pour distinguer les chiens de chats est considéré comme une classification.