Apprentissage automatique à partir de données : plus d’exemples, meilleure précision
InformatiqueDonnées, IA et apprentissage automatique16–17 ans
Utilisez-la avec votre classe : vos élèves l’ouvrent par un lien ou un QR code, sans créer de compte.
À suivre dans Données, IA et apprentissage automatique
Un classifieur simple apprend à partir d’exemples étiquetés : il calcule le barycentre de chaque classe, puis prend la médiatrice du segment joignant les deux barycentres comme frontière de décision. Les élèves règlent le nombre d’exemples d’entraînement, le taux d’erreurs d’étiquetage et le déséquilibre de la collecte ; le modèle se réentraîne et sa précision est mesurée sur un jeu fixe de 400 exemples de test. Quand les données d’entraînement viennent surtout d’un groupe, la précision globale semble encore bonne, mais celle du groupe sous-représenté chute fortement : c’est le biais des données en action.
Leçon : Intelligence artificielle et apprentissage automatique : la machine apprend des données, et la qualité des données détermine celle du modèle
Ce qu’elle montre
Un modèle d’apprentissage automatique n’a pas de règles intégrées : il les déduit d’exemples étiquetés. Ici, un classifieur au centroïde le plus proche calcule le point moyen de chaque classe dans les données d’entraînement et prend la médiatrice des deux centroïdes comme frontière de décision. La précision est mesurée sur 400 exemples de test fixes que le modèle n’a jamais vus pendant l’entraînement. Avec peu d’exemples ou beaucoup d’étiquettes fausses, la frontière apprise s’écarte de la vraie. Si la plupart des données viennent d’un groupe, la précision globale peut rester élevée alors que celle de l’autre groupe chute : c’est un biais issu des données.
Mode d’emploi
Choisissez un Problème, cochez Afficher la vraie frontière pour comparer, puis modifiez un réglage à la fois : Nombre d’exemples d’entraînement, Pourcentage d’exemples mal étiquetés et Part des données issues d’un seul groupe. Après chaque changement, comparez la frontière apprise à la vraie et lisez la précision globale et celle des groupes A et B. Utilisez Réentraîner pour un nouvel échantillon aléatoire, ou cliquez sur le graphique pour ajouter vos propres exemples.
Paramètres modifiables
- Problème Filtrage des spams, Détection de la maturité
- Nombre d’exemples d’entraînement 10–500 exemples
- Pourcentage d’exemples mal étiquetés 0–40 %
- Part des données issues d’un seul groupe 0–100 %
- Afficher la vraie frontière pour comparer
Questions à explorer
- Pourquoi la précision du modèle est-elle mesurée sur 400 exemples qui n’ont pas servi à l’entraînement ?
- Comment la frontière de décision se déplace-t-elle quand 30 % des exemples d’entraînement sont mal étiquetés ?
- Si la précision globale est élevée, le modèle peut-il quand même mal fonctionner pour un groupe, d’après les chiffres des groupes A et B ?
