Techniques d'apprentissage automatique en miniature

L'apprentissage automatique, en bref : on fournit à un système des données pour qu'il y apprenne une régularité, puis on applique ce qu'il a appris à de nouvelles données jamais vues pour prendre une décision. Les quatre petites démonstrations pratiques ci-dessous illustrent chacune un aspect de ce processus, ancrées dans un scénario d'infusion de thé ou de boutique de thé — pas un survol du domaine, seulement l'occasion de voir chaque technique fonctionner sur des données que vous pouvez observer et manipuler.

Choisissez un onglet ci-dessous pour en essayer une.

Ce que cet outil enseigne : Exécutez quatre démonstrations sur des données que vous contrôlez : surapprentissage, classification par k plus proches voisins, regroupement par k-moyennes et frontières de décision. L'outil montre comment un modèle apprend une tendance à partir de données d'entraînement et pourquoi un modèle trop ajusté à ces données se comporte mal sur de nouvelles données.