Quelle est la différence entre les tâches d'apprentissage supervisé et non supervisé?

L'apprentissage supervisé et non supervisé sont les deux principaux types d'apprentissage automatique.

• Apprentissage supervisé : le modèle est entraîné sur des données étiquetées, où chaque entrée correspond à une réponse correcte (étiquette). L'objectif est d'apprendre à prédire les étiquettes pour de nouvelles données. Exemple : classer les e-mails en spam et non spam.

• Apprentissage non supervisé : le modèle fonctionne avec des données non étiquetées, en essayant de trouver des structures ou des motifs cachés sans réponses connues à l'avance. Exemple : regrouper des clients selon leur comportement.

La différence clé est la présence ou l'absence d'étiquettes dans les données d'entraînement.