Coucou !
Pour moi dans l'apprentissage non-supervisé, la machine ne peut pas faire d'erreurs car l'algorithme ne va pas prédire à la fin une réponse.
Après c'est vrai que le prof dit dans son cours "pas forcément" donc je vais lui demander si un algorithme avec un apprentissage non-supervisé triant des images de chiens et chats, si il peut dire à la fin c'est un chien ou un chat et comment il le sait qu'il ne se trompe pas depuis le début et inversé les 2 si on ne lui a jamais dit.Dans l'apprentissage supervisé, l'algorithme va plus analyser les données et leur trouver des points communs entre elles et faire des groupes avec que prédire quelque chose
(genre classer les images en fonction de leurs yeux, pelage... et non dire si c'est un chien ou un chat pour reprendre mon exemple. Donc au final on aura quand même 2 groupes et on aura juste à prendre une image, savoir si c'est un chien ou un chat et ensuite toutes les images qui seront dans ce groupe seront le même animal. Je le vois comme ça après et on peut faire pareil avec les cancers...).
Donc pour finir de répondre à ta question, je pense que tous les algorithmes qui ont à la fin une réponse franche (en disant oui ou non ou alors bénin/malin, guérison/récidive...) sont des algorithmes ayant eu un apprentissage supervisé car on a du leur apprendre avant si ils s'étaient trompé ou pas en analysant les données (donc je parle des algorithmes data-driven
). Je demande aussi au prof si on peut dire cela.
J'espère que c'est bon pour toi, dit moi si ce n'est pas le cas
Bon courage de toute la team biostat
c'est nikel!
