
1.5 Principales difficultés de l’apprentissage automatique
27
© Dunod – Toute reproduction non autorisée est un délit.
1.5.4 Variables non pertinentes
Comme on dit en anglais, « garbage in, garbage out », ce qui signie que si les données
d’entrée sont mauvaises, la sortie le sera aussi. Votre système ne sera capable d’apprendre
que si les données d’entraînement contiennent sufsamment de variables pertinentes
et pas trop de non pertinentes. La réussite d’un projet de Machine Learning repose en
bonne part sur le choix d’un bon ensemble de variables sur lesquelles s’entraîner : c’est
ce qu’on appelle l’ingénierie de variables (en anglais, feature ...