Classification en Machine Learning : comment ça fonctionne ?
La classification est l’un des problèmes fondamentaux du Machine Learning.
Son objectif consiste à déterminer à quelle catégorie appartient une donnée en fonction des informations disponibles.
Qu’est-ce qu’une classe ?
Une classe représente une catégorie possible.
Dans un problème de classification, le modèle doit déterminer quelle catégorie attribuer à une nouvelle observation.
Exemple simple
On peut imaginer un système devant distinguer deux catégories à partir de plusieurs caractéristiques.
Pendant l’apprentissage, il reçoit des exemples pour lesquels la catégorie est déjà connue.
Il cherche ensuite à apprendre une relation lui permettant de traiter de nouvelles observations.
Classification et apprentissage supervisé
La classification est généralement un problème supervisé.
Pendant l’entraînement, le modèle dispose d’exemples associés à leurs catégories.
Classification et régression : quelle différence ?
La différence fondamentale concerne le résultat recherché :
Classification → catégorie
Régression → valeur numérique
Cette distinction permet déjà à un débutant de mieux identifier le type de problème auquel il fait face.
Pourquoi préparer les données avant la classification ?
Parce que le modèle apprend à partir des données qu’on lui fournit.
Qualité, nettoyage, exploration et préparation restent donc importants avant l’entraînement.
Comment savoir si le modèle fonctionne ?
Il faut évaluer son comportement.
La formation aborde justement l’entraînement/test et l’évaluation des modèles.
Quel outil peut être utilisé ?
Scikit-learn figure dans l’environnement pédagogique de la formation.
La page publique ne nécessite cependant pas d’inventer une liste d’algorithmes de classification officiellement enseignés.
Classification signifie-t-elle Intelligence Artificielle parfaite ?
Non.
Un modèle produit des résultats dans un contexte donné et doit être évalué.
Les limites, les données et les biais éventuels doivent également être considérés.
Guides complémentaires
- Formation Intelligence Artificielle & Data au CAFP Casablanca →
- Machine Learning : définition simple pour débuter →
- Apprentissage supervisé ou non supervisé : quelle différence ? →
- Régression en Machine Learning : qu’est-ce que c’est ? →
- Entraînement et test en Machine Learning : pourquoi séparer les données ? →
- Comment évaluer un modèle de Machine Learning ? →
FAQ — Intelligence Artificielle & Data
Qu’est-ce que la classification?
La prédiction d’une catégorie parmi plusieurs possibilités.
Est-ce de l’apprentissage supervisé?
Généralement oui.
Quelle différence avec la régression?
La régression vise généralement une valeur numérique.
L’évaluation est-elle nécessaire?
Oui.
La classification est-elle au programme?
Oui.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.