Types de problèmes en ML: La distinction de base entre apprentissage supervisé (exemples étiquetés), non supervisé (sans étiquettes) et par renforcement.
Notions liées
Machines à vecteurs de support: Un classifieur qui trouve la plus large marge possible entre les classes, et peut courber cette marge en utilisant des noyaux.
Regroupement K-means: Regrouper des points non étiquetés en k clusters en les assignant de façon répétée au centre le plus proche puis en recalculant les centres.