Glossaire

K plus proches voisins (k-NN)

Qu’est-ce que K plus proches voisins (k-NN) ?

Les k plus proches voisins (k-NN) sont une méthode simple d'apprentissage supervisé. Pour classer un nouveau point, l'algorithme cherche les k exemples connus les plus semblables et reprend leur classe majoritaire ou, pour des valeurs numériques, leur moyenne. Il ne nécessite pas de véritable entraînement, mais devient lent sur de gros volumes et reste sensible à l'échelle des variables. Exemple : recommander des produits à partir de clients similaires.

Thèmes

Classification
Apprentissage supervisé
Algorithme

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

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

Partitionnement en k-moyennes (k-means)

Les k-moyennes (k-means) sont une méthode d'apprentissage non supervisé qui répartit des données en un nombre k de groupes fixé à l'avance. Chaque point est affecté au centre de groupe le plus proche, puis les centres sont recalculés jusqu'à ce que les affectations ne changent presque plus. La méthode est rapide et intuitive, mais suppose un choix pertinent de k et des variables à des échelles comparables. Exemple : regrouper des clients selon leur fréquence d'achat et leur panier moyen.

Clustering
Apprentissage non supervisé
+1

Modèle

Apprentissage supervisé

En apprentissage supervisé, un modèle apprend à partir d'exemples dont la bonne réponse est déjà connue, par exemple des e-mails étiquetés « spam » ou « non spam ». Il en déduit des règles pour classer de nouveaux cas ou prédire des valeurs. Les tâches typiques sont la classification et la régression ; l'essentiel de l'effort consiste à produire des données correctement annotées.

Machine learning
Entraînement
+1

Vecteur d'embedding

Un vecteur d'embedding (plongement) est une liste de nombres qui représente le sens d'un mot, d'une phrase ou d'un document de sorte que des textes au contenu proche se retrouvent voisins. On peut ainsi reconnaître que « résiliation » et « mettre fin au contrat » sont liés, alors qu'ils n'ont aucun mot en commun. Ils sont à la base de nombreux systèmes de recherche sémantique, de recommandation et d'applications RAG, et sont calculés par des modèles entraînés à cet effet.

vecteur
recherche sémantique
+1