Définition - Que signifie l'apprentissage non supervisé?
L'apprentissage non supervisé est une méthode utilisée pour permettre aux machines de classer à la fois les objets tangibles et intangibles sans fournir aux machines aucune information préalable sur les objets. Les choses que les machines doivent classer sont variées, telles que les habitudes d'achat des clients, les modèles de comportement des bactéries et les attaques de pirates. L'idée principale derrière l'apprentissage non supervisé est d'exposer les machines à de grands volumes de données variées et de leur permettre d'apprendre et de déduire à partir des données. Cependant, les machines doivent d'abord être programmées pour apprendre à partir des données.
Definir Tech explique l'apprentissage non supervisé
Les systèmes informatiques doivent comprendre les grands volumes de données structurées et non structurées et fournir des informations. En réalité, il peut ne pas être possible de fournir des informations préalables sur tous les types de données qu'un système informatique peut recevoir sur une période de temps. En gardant cela à l'esprit, l'apprentissage supervisé peut ne pas convenir lorsque les systèmes informatiques ont besoin d'informations constantes sur de nouveaux types de données. Par exemple, les attaques de piratage contre les systèmes financiers ou les serveurs bancaires ont tendance à changer fréquemment leur nature et leurs modèles, et un apprentissage non supervisé peut être plus approprié dans de tels cas, car les systèmes doivent être activés pour apprendre rapidement des données d'attaque et déduire les types d'attaques futures. et suggérer des actions préventives.