Un filtre anti-spam signale un courriel comme indésirable car il a déjà traité des milliers de messages marqués comme « spam » ou « non-spam ». C'est un exemple d'apprentissage supervisé : un modèle apprend une correspondance entre les entrées et les sorties à partir d'exemples où la réponse correcte est connue. Chaque paire d'entraînement est étiquetée, et l'algorithme ajuste ses paramètres internes jusqu'à ce que ses prédictions correspondent suffisamment à ces étiquettes pour pouvoir être généralisées à de nouvelles données.

Cette approche se divise en deux grandes familles. La classification prédit une catégorie, par exemple si une tumeur est bénigne ou maligne. La régression prédit une valeur numérique, comme la température de demain ou le prix d'une maison. Toutes deux reposent sur la même boucle de base : effectuer une prédiction, mesurer l'erreur par rapport à l'étiquette et ajuster les pondérations pour réduire cette erreur.

Algorithmes courants

• Régression linéaire et logistique pour des lignes de base simples et interprétables
• Arbres de décision et forêts aléatoires pour les données tabulaires
• Machines à vecteurs de support pour la classification basée sur les marges
• Réseaux neuronaux pour les images, la parole et le langage

L'annotation des images a un coût et prend du temps. Un radiologue qui annote 10 000 examens est onéreux ; le travail d'une équipe pour l'annotation des sentiments est lent et source de nombreuses interférences. Ce coût explique principalement l'intérêt porté aux méthodes non supervisées et semi-supervisées. Cependant, lorsque les annotations de qualité sont abondantes, l'apprentissage supervisé demeure l'outil le plus fiable.