En combien de phases l'apprentissage machine se décompose-t-il ?
L'apprentissage machine se décompose en trois phases.
Quel est le but de la phase d'apprentissage ?
La phase d'apprentissage permet de déterminer les paramètres du modèle qui seront utilisés durant la phase de prédiction. Lors de cette phase, l'algorithme essaie d'avoir une prédiction la plus proche possible de la réalité.
Quel est le but de la phase de test ?
La phase de test permet de calculer une « erreur de prédiction » avant d'appliquer l'algorithme sur de nouvelles données. Elle permet de savoir si les résultats de l'algorithme sont cohérents avant de passer à la phase d'inférence.
Quel est le but de la phase d'inférence ?
La phase d'inférence ou phase de prédiction est l'étape qui suit la phase d'entraînement. Le modèle est utilisé pour prédire un résultat sur de nouvelles données qui n'ont pas été utilisées lors de la phase d'entraînement.
Vrai ou faux ? Les méthodes d'apprentissage machine permettent de repérer des tendances ou de faire des prédictions.
Vrai. Les méthodes d'apprentissage machine permettent de repérer des tendances ou de faire des prédictions.