我的学徒supervisé是算法的类型机器学习Le PlusFréquent。IL利用UN JEU deDonnéesConnu（Appelédonnéesd'appentissage）afin d'entraîner联合国almorithme evec desdonnéesd'nortéeconnules（Appeléescaractériques）et desréponsesconnulesppléalisersprédictions。Le Jeu deDonnéesd'IspentissageComperend desDonnéesd'NortéeBabéliséesQui SontAssociées奥克斯·沃雷斯德·欧德·欧德··波恩萨斯贝斯。à5sirde cesdonnées，l'algorithme d'appentissagesuperisécercheàcréer联合国议员en truvant des关系entre lescaractéristiqueset lesdonnéesde sortie，puis il fait desprédictionssur les valeursdeRéponsePourUnveau Jeu deDonnées。
Avant de Recouriràl'PusentissageSupervisé，l 'apprentissage非监督Est fréquemment utilisé pour trouver des patterns dans les données d'entrée qui suggèrent des caractéristiques candidate, puis le process d'ingénierie des caractéristiques les transform pour les rendre plus adaptées à l’apprentice tisage supervisé。加上标识符caractéristiques, la réponse correcte ou la catégorie doit être identifiée pour toutes les observations in le jeu de données d' apprentice tisage, une étape nécessitant beaucoup de travail。学徒semi-supervisé permet d'entraîner des modèles avec des données labélisées très limitées，这是关于réduire L’effort de labélisation的。
一个是算法entraîné，另一个是données测试，不是été utilisé，而是généralement utilisé，是prédire算法和有效性的表现。Afin d 'obtenir结果de性能大致比莱斯imperatif游戏数据d 'apprentissage et de测试的数字全部的两个一个女佣表示de la«现实»(即变量的数据de l 'environnement de模型生产等aient高频validees correctement)。
您可以访问entraîner，验证和调整modèles d' apprentice tisage supervisé prédictifs dansMATLAB®Avec.深度学习工具箱™等统计和机器学习工具箱™。
Catégoriesd'algorimes d'appentissagesupervisé
分类：CES算法SontUtilisésPindesvaleursdeRéponseCatégorielles，Lorsque LesDonnéesPeuventêtreSéparéesen课程Zhécifiques。UnModèlede Classification Est Dit Binaire S'il Deux Classes et Multiclasses S'il en A Plus de Deux。Vous PouvezEntraînerStemèlesdeSulsificationAvec L'Application Accessification Learner Avec Matlab。
LES算法DE分类驻诺兰人Connennent：
- 回归logistique
- 金宝app支持向量机(支持向量机)
- LesRéseauxde神经元
- La分类naïve Bayésienne
- Les arbres de décision
- 为了分析discriminante
- La méthode des k plus proches voisins (kNN)
- La分类d 'ensemble
回归: ces算法:utilisés pour des values: réponses numériques继续。你们可以在entraîner des modèles des régression中应用回归学习器和MATLAB。
Les algorithmes de régression courants comnent:
- 回归线性
- La régression非linéaire
- 莱斯modèles linéaires généralisés
- Les arbres de décision
- LesRéseauxde神经元
- LaRégressiondu Processus Gaussien
- 支持向量机金宝app
- 回归ensembliste
应用d 'apprentissage监督
l'appentissagesuperviséestuseréédansde nombreux domaines ume la金融倒入le信用评分，“交易算法和义务分类”，“应用程序和图像分类”vidéos“分类和对象分类”，“应用程序和工业应用程序”détection“données异常”，“维护”prédictive“pour”从durée到équipements的估计， la biologie pour la détection de tummeurs和découverte de médicaments，在le secteur de l'énergie pour la prévision des prix和laCharge DuRéseau.．
