Bonjour,
Je suis confronté à un problème. En effet, dans toute la littérature scientifique que je parcours (anglaise et française), je tombe très fréquemment sur le terme « Modèle » (Sélection du modèle, entraînement du modèle).
Cependant, ce terme de modèle n’est jamais réellement définit.
Je comprends globalement le terme mais j’ai beaucoup de mal à définir la frontière entre le modèle de machine learning et l’algorithme de machine learning.
De mes recherches sur le concept de modèle sont ressorties les explications suivantes:
- Le modèle est la sortie générée lorsqu’on entraîne un algorithme de machine learning avec un jeu de donnée d’entraînement
- En machine learning, tout objet créé après l’entraînement à partir d’un algorithme de machine learning est appelé modèle (par exemple, modèle SVM, modèle de forêt aléatoire…) Les deux exemples entre parenthèses sont pour moi des algorithmes pourtant !
- En machine learning, l’objectif est de trouver un modèle du phénomène à l’origine des données.
Pourriez-vous me donner vos avis sur ces définitions/explicatios, voir me donner le vôtre si vous trouvez ces dernières non pertinentes, voir injuste?
Partager