Ce que fait le machine learning
Le machine learning apprend une règle à partir d'exemples au lieu de la programmer à la main. En apprentissage supervisé, chaque exemple porte la réponse attendue, la cible : on apprend à la prédire. En apprentissage non supervisé, il n'y a pas de cible ; on cherche une structure, par exemple des groupes de clients qui se ressemblent.
Quand la cible est un nombre (un prix, une durée), on parle de régression ; quand c'est une catégorie (fraude ou non, espèce de fleur), de classification.
L'environnement courant en Python : numpy pour les calculs, pandas pour les tableaux de données, matplotlib pour les graphiques et scikit-learn pour les modèles. Tous les modèles de scikit-learn suivent la même logique : on crée l'objet, on l'entraîne avec fit(X, y), puis on prédit avec predict(X).
