Apprentissage non supervisé
L’apprentissage non supervisé désigne une branche fondamentale de l’apprentissage automatique dans laquelle un algorithme analyse un ensemble de données brutes sans disposer d’étiquettes préalables ni de réponses connues à l’avance. Contrairement à l’apprentissage supervisé qui nécessite un entraînement guidé par des exemples annotés par l’humain, cette approche mathématique explore de manière autonome la structure interne des informations pour y découvrir des régularités cachées, des regroupements naturels ou des anomalies statistiques. Les méthodes principales incluent le partitionnement de données, la réduction de dimensionnalité et l’apprentissage par représentation parcimonieuse, qui décompose un signal multidimensionnel complexe en un petit nombre de facteurs élémentaires. En recherche biomédicale et en analyse clinique, ces modèles permettent d’extraire des signatures physiologiques subtiles noyées dans le bruit biologique individuel, révélant ainsi des corrélations invisibles à l’examen médical conventionnel sans imposer de biais diagnostique préconçu.
← Tous les termes du glossaire