Entraîne le classificateur avec des exemples, pas des règles.
Une leçon de 10 minutes : de quoi se nourrit l'apprentissage automatique, comment fonctionnent signaux et étiquettes, et un atelier Entraîneur pour étiqueter de vrais e-mails.
Comment fonctionne l'apprentissage automatique, ce que tu lui enseignes avec des exemples et des signaux, et pourquoi les étiquettes sont tout.
Le cas
Un classificateur ne comprend pas ta boîte de réception : il apprend des exemples que tu lui étiquettes. Étiquette bien, et il décide bien.
En 10 minutes tu entraîneras un classificateur d'e-mails : de quoi il se nourrit, comment il additionne des signaux, et pourquoi certains exemples valent plus que mille règles écrites à la main.
Ce que vous apprendrez
- Expliquer ce qu'un classificateur apprend pendant l'entraînement
- Distinguer exemples, signaux et étiquettes
- Repérer le piège du « plus de données » aux étiquettes mauvaises
La recette de l'entraîneur
Exemples + signaux + étiquette. Avec ces trois-là, un classificateur généralise et réussit ce qu'il n'a jamais vu.
Exemples
Des cas déjà corrigés qui enseignent.
Signaux
Les traits qu'il apprend à regarder.
Étiquette
La décision qui sort au moment de classer.
Piège
Plus de données ne réparent pas des étiquettes floues.
Questions fréquentes
Le classificateur comprend-il le sens d'un e-mail ?
Non : il additionne des signaux et choisit l'étiquette qui passe le seuil. Il compare des patterns, il ne comprend pas.
Plus d'exemples d'entraînement, c'est toujours mieux ?
Seulement si les étiquettes sont bonnes : plus de données mal étiquetées amplifient l'erreur avec assurance.
Mettez-vous à l'épreuve: Test éclair : étiquette ou devine ?
Qu'est-ce qu'un classificateur apprend pendant l'entraînement ?
Bonne réponse: À regarder des signaux à partir d'exemples déjà étiquetés.
Avec des étiquettes propres, il apprend quels signaux comptent et généralise : il réussit des cas qu'il n'a jamais vus.
Tu entraînes avec deux e-mails et il échoue sur tout ce qui est nouveau. Qu'est-ce qui manque ?
Bonne réponse: Les exemples : il a trop peu de matériel pour apprendre.
Deux exemples ne montrent pas quels signaux comptent. Avec plus de cas variés et bien étiquetés, il généralise mieux.
Tu ajoutes 100 000 e-mails mal étiquetés. Que se passe-t-il ?
Bonne réponse: Ça amplifie l'erreur : il apprend de mauvais signaux avec assurance.
Les données ne réparent pas des étiquettes floues : plus de déchets entraînés donnent un classificateur très sûr de se tromper.
La règle de poche — Exemples (ce que tu lui montres) + signaux (à quoi il prête attention) + étiquette (ce qu'il décide). Plus de données ne réparent pas une étiquette floue.
Ce que vous emportez
Entraîner un classificateur avec des exemples étiquetés et détecter quand les données ou les signaux échouent.