En cliquant sur "Accepter", vous acceptez que des cookies soient stockés sur votre appareil afin d'améliorer la navigation sur le site, d'analyser son utilisation et de contribuer à nos efforts de marketing. Consultez notre politique de confidentialité pour plus d'informations.

Qu'est-ce que l'apprentissage basé sur la similarité dans l'apprentissage automatique supervisé ?

5 septembre 2022

Qu'est-ce que l'apprentissage basé sur la similarité ?

Il s'agit de l'utilisation d'une approche de relation par paire entre deux ou plusieurs objets pour conférer des étiquettes à des objets non étiquetés.

Qu'est-ce que l'apprentissage automatique supervisé ?

Il s'agit du type de formation des machines qui utilise des données de formation étiquetées pour prédire et produire. Les données agissent comme un "superviseur", enseignant aux machines comment prédire correctement la sortie.

Applications de l'apprentissage basé sur la similarité ?

Approche du plus proche voisin

Elle utilise la proximité pour faire des prédictions concernant des groupements de points de données individuels. Le nombre de la variable à prédire est appelé "K". KNN fonctionne de manière similaire à la recherche d'individus ayant des caractéristiques identiques. Il localise les points de données inconnus qui sont similaires aux points connus.

Approche basée sur la similarité

Il estime l'étiquette de classe d'un échantillon de test, en tenant compte de ses similitudes avec les exemples de formation étiquetés. Il ne nécessite pas d'accès direct aux caractéristiques de l'échantillon. Cela signifie que l'espace d'échantillonnage peut être de n'importe quel ensemble, à condition que la fonction de similarité ait été soigneusement définie pour tous les échantillons appariés.

Approche vectorielle vedette

Un vecteur de caractéristiques dans l'apprentissage automatique est une liste de valeurs numériques et calculées. Cette approche utilise des caractéristiques numériques pour la description des objets. En d'autres termes, les objets ont une représentation numérique qui facilite leur analyse statistique.

Meilleur cas d'utilisation de l'apprentissage basé sur la simulation

Ontologie biomécanique

L'ontologie fait référence à la conception intentionnelle d'un artefact pour permettre la modélisation des connaissances sur un domaine émergent réel. Il s'agit d'un ensemble de concepts au sein d'un script particulier, qui, selon lui, sont ses propriétés et la façon dont ils sont liés. L'ontologie conduit tout type de données ou de variation à une tâche spécifique.

Dans les bases de données ontologiques, les connaissances spécifiques à un domaine sont incluses. La caractérisation biologique fait appel à un vocabulaire contrôlé, pour des descriptions spécifiques au domaine. L'ontologie des phénotypes caractérise les bases de données sur la génétique humaine et les organismes. Ces phénotypes sont observés et annotés dans certaines situations spécifiques. Elle est également utilisée pour observer des fonctions biologiques, des emplacements anatomiques ou des substances chimiques.

En outre, il utilise le langage OWL (Web Ontology Language). Il fait un usage exclusif de la logique de description, qui est un prédicat du premier ordre. Cette logique définit des énoncés "Made in OWL", qui contrôlent l'interprétation spécifique au domaine.

Vous pourriez également aimer
ces nouveaux articles connexes

Vous voulez grandir vos projets de labellisations de données
et le faire de manière éthique ?

Nous disposons d'une large gamme de solutions et d'outils qui vous aideront à former vos algorithmes. Cliquez ci-dessous pour en savoir plus !