Glossaire

Modèles discriminatifs

Qu’est-ce que Modèles discriminatifs ?

Les modèles discriminatifs apprennent à distinguer des données en déterminant directement la frontière entre les classes : ils répondent à la question « À quelle catégorie appartient cette entrée ? ». La régression logistique, les machines à vecteurs de support et de nombreux classifieurs neuronaux, par exemple pour détecter le spam, en sont des exemples. Les modèles génératifs, eux, décrivent comment les données sont produites et peuvent donc créer de nouveaux exemples.

Thèmes

classification
apprentissage automatique
types de modèles

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

IA générative

L’IA générative désigne les systèmes d’IA qui créent de nouveaux contenus – textes, images, audio, vidéo ou code – au lieu de seulement classer ou évaluer des données existantes. Elle repose sur des modèles qui apprennent des régularités dans de grandes masses de données pour produire des résultats nouveaux et plausibles. En entreprise, elle sert par exemple à rédiger des brouillons d’e-mails, des résumés, des fiches produits ou des pistes visuelles. Les résultats peuvent comporter des erreurs et doivent être vérifiés.

Notion de base
Création de contenu
+1

Régression logistique

La régression logistique est une méthode statistique qui prédit la probabilité de l’un de deux résultats, par exemple « achète » ou « n’achète pas ». Elle pondère les variables d’entrée et transforme leur somme en une valeur comprise entre 0 et 1 au moyen d’une fonction en forme de S. Ses poids étant faciles à interpréter, elle est très utilisée pour l’évaluation du crédit, en médecine et en marketing, souvent comme référence pour des modèles plus complexes.

statistique
classification
+1

Classifieur

Un classifieur est un modèle ou une méthode qui attribue une entrée à l'une de plusieurs catégories prédéfinies. Les variantes classiques, comme les arbres de décision ou le Naive Bayes, sont entraînées sur des exemples étiquetés ; les modèles de langage peuvent aussi classer des textes à partir d'une description des catégories. Usages typiques : détection de spam, tri des demandes clients par thème ou classement de justificatifs. La qualité se mesure avec des indicateurs comme l'exactitude, la précision et le rappel.

Classification
Apprentissage automatique
+1

Modèle

Bayésien naïf (Naive Bayes)

Naive Bayes désigne une famille de méthodes de classification simples fondées sur le théorème de Bayes. On les dit « naïves » parce qu’elles supposent que toutes les variables sont indépendantes les unes des autres, ce qui est rarement vrai en pratique mais donne souvent de bons résultats. Ces méthodes sont rapides, demandent peu de données d’entraînement et conviennent particulièrement aux textes. Exemple classique : le filtre anti-spam qui trie les e-mails selon des mots typiques.

classification
statistique
+1