
226
Chapitre 9. Techniques d’apprentissage non supervisé
Au chapitre8, nous avons étudié la tâche d’apprentissage non supervisé la plus
commune : la réduction de dimension. Dans ce chapitre, nous allons examiner un
certain nombre d’autres tâches et algorithmes d’apprentissage non supervisé :
• Partitionnement :
Le but est de regrouper des observations similaires en agrégats, ou clusters.
C’est un excellent outil pour l’analyse de données, la segmentation de clien-
tèle, les systèmes de recommandation, les moteurs de recherche, la segmenta-
tion d’images, l’apprentissage semi-supervisé, la réduction de dimension et plus
encore.
• Détection d’anomalies ...