Le data mining est un ensemble de techniques mathématiques et algorithmiques pour extraire de l'information d'un jeu de données. Tandis que la statistique classique s'attache à décrire et expliquer les données, le data mining vise à découvrir des motifs et des structures dans les données pour éventuellement générer des prédictions. Nous allons voir dans cet article les bases théoriques du data mining, et plus particulièrement de l'apprentissage automatique, ainsi que leur mise en application avec la librairie Python scikit-learn.
1. Qu'est-ce que l'apprentissage automatique ?
L'apprentissage automatique [1] (machine learning en anglais) consiste à écrire un programme pour analyser automatiquement de larges volumes de données et en extraire des informations pertinentes. Tandis qu'un humain peut réaliser ce travail manuellement sur de faibles volumes de données, l'aide des ordinateurs est aujourd'hui nécessaire dans la plupart des cas.
Prenons un exemple, vous avez un grand nombre de photos que vous voulez trier et filtrer automatiquement de plusieurs manières :
- Exemple 1 : Séparer les photos qui contiennent au moins un visage de celles qui n'en contiennent pas ;
- Exemple 2 : Compter le nombre de personnes apparaissant dans chaque photo ;
- Exemple 3 : Regrouper entre elles les photos de chaque personne ;
- Exemple 4 : Reconnaître une personne à partir de sa photo ;
- Exemple 5 : Reconnaître l'humeur d'une personne à partir de sa photo.
Réaliser ces tâches manuellement serait...
- Accédez à tous les contenus de Connect en illimité
- Découvrez des listes de lecture et des contenus Premium
- Consultez les nouveaux articles en avant-première