Unsupervised Learning
Finding structure in data that has no labels — grouping, compressing, spotting outliers.
L’apprentissage non supervisé cherche des motifs sans qu’on lui dise quoi chercher. Les usages typiques sont le regroupement d’éléments similaires, la réduction de dimensions et le signalement d’anomalies. Il n’y a pas de score de précision au sens habituel, alors évaluer le résultat demande du jugement.
En pratique : Segmenter des clients en groupes que personne n’avait définis à l’avance, uniquement à partir de leur comportement d’achat.