En clair
L'apprentissage non supervisé est une catégorie d'apprentissage automatique où l'on ne donne pas de variable cible au modèle, autrement dit pas de réponse attendue. Il doit trouver lui-même des groupes ou des motifs dans les données. On peut par exemple lui confier un fichier de clients sans dire lesquels sont fidèles. Il regroupera de lui-même ceux qui se ressemblent.
C'est l'inverse de l'apprentissage supervisé où chaque exemple porte une étiquette (« spam » ou « non spam » par exemple).
Pourquoi c'est important
Les données réelles ont rarement des étiquettes. L'apprentissage non supervisé sert justement dans ce cas. Il permet d'explorer des données brutes pour y repérer des tendances, des anomalies ou des segments. En marketing il aide à segmenter une clientèle. En biologie il regroupe des gènes qui se comportent de la même façon. C'est l'une des trois grandes formes d'apprentissage automatique avec l'apprentissage supervisé et l'apprentissage par renforcement.
Dans la pratique
La technique la plus courante est le clustering (le regroupement). L'algorithme K-means place les points de données dans un espace et les regroupe selon leur distance. Deux points proches sont jugés semblables et rangés dans le même groupe.
Le jeu de données Iris en donne un exemple concret. Un algorithme non supervisé y sépare les fleurs en groupes distincts sans savoir à quelle espèce elles appartiennent. Le résultat dépend de la mesure de distance choisie et du nombre de groupes demandé.
À ne pas confondre avec
- En apprentissage supervisé on fournit des étiquettes au modèle.
- En apprentissage par renforcement le modèle apprend par essais et erreurs en recevant des récompenses. Il ne cherche pas de structure dans des données fixes.
- Le clustering est une famille de méthodes non supervisées. Mais tout l'apprentissage non supervisé n'est pas du clustering. La réduction de dimension en fait aussi partie.