Apprentissage non supervisé

Les tâches courantes incluent le regroupement d’enregistrements similaires et la compression des mesures de haute dimension en moins de dimensions. Les motifs découverts nécessitent encore une interprétation et une validation.

Points clés à retenir

• Les motifs non identifiés ne sont pas explicites.
• Les caractéristiques et la mise à l’échelle influencent la similarité.
• Validez la stabilité et l’utilité pratique.

Le regroupement regroupe les exemples selon une règle de similarité mathématique. Cette règle dépend des caractéristiques, de leur mise à l’échelle, de l’algorithme et de ses paramètres. Un groupe trouvé à partir de la fréquence d’achat peut différer d’un groupe selon les préférences produit. Il n’y a pas de garantie automatique que l’un ou l’autre corresponde à une catégorie client utile. La réduction de dimensionnalité transforme un ensemble de mesures en une représentation plus petite. Elle peut aider à la visualisation, à la compression ou à un autre modèle. Une image bidimensionnelle élimine l’information, donc les distances et les lacunes apparentes dans un graphique ne doivent pas être considérées comme des faits incontestables concernant les données originales. Évaluer la stabilité en modifiant des choix raisonnables de prétraitement ou échantillonner différents des enregistrements. Examiner des exemples représentatifs et limites. Les scores internes peuvent comparer un groupe mathématique, mais leur utilité doit être jugée par rapport à l’objectif réel. Si des étiquettes existent pour une partie des données, elles peuvent fournir une vérification externe supplémentaire. Des exemples inhabituels peuvent être importants, erronés ou simplement différents de la majorité. Un score d’anomalie est un signal d’investigation, non une preuve d’inconduite ou de diagnostic. Établissez ce qui suit une alerte avant de déployer un détecteur non supervisé.

1. Imaginez deux records différenciant d’une visite et de 1 000 dollars de dépenses. La distance euclidienne brute est dominée par la différence en dollars.
2. Mettez chaque caractéristique à l’échelle à l’aide des statistiques adaptées au jeu de données de référence, puis comparez à nouveau les voisins.
3. Vérifiez si les groupes résultants sont stables et utiles pour la tâche proposée avant de les nommer.

Cet exemple construit explique un choix de modélisation ; il n’établit pas de méthode universelle de regroupement.