Introduction

Adrien Guille, Université Lyon 2

Classification supervisée

Classification non supervisée

Classification supervisée

La classification supervisée consiste à construire un modèle capable de prédire une variable , communément appelée « variable à prédire » ou «variable à expliquer», à partir d'un vecteur de variables , dites « variables prédictives » ou « descripteurs ». Pour construire ce modèle, on doit disposer d'un jeu de données composés d'individus pour lesquels ont connaît déjà la valeur prise par (autrement dit, des exemples) :

Dans ce cours, nous étudierons différents modèles, de leur définition à leur mise en œuvre en passant par l'estimation de leurs paramètres.

Classification non supervisée

La classification non supervisée consiste à inférer la structure latente d'un ensemble d'individus . Autrement dit, sans information sur les classes potentielles d'appartenance des individus, il s'agit de déterminer des sous-ensembles d'individus similaires. Les données sont donc de la forme :

Dans ce cours, nous étudierons le modèle le plus couramment utilisé, la méthode des k moyennes. Nous verrons le modèle, étudierons comment estimer ses paramètres, et montrerons comment exploiter cette méthode pour compresser des images.