Résolution de problèmes d'entreprise à l'aide d'Amazon Machine Learning

Vous pouvez utiliser Amazon Machine Learning pour appliquer l'apprentissage-machine dans le cadre de problèmes pour lesquels vous possédez des exemples de réponses réelles. Par exemple, pour utiliser Amazon Machine Learning afin de prédire si un e-mail correspond à du courrier indésirable, vous devez collecter des exemples d'e-mails correctement étiquetés en tant que courrier indésirable ou non. Ensuite, vous pouvez utiliser l'apprentissage-machine pour généraliser à partir de ces exemples d'e-mails, afin de prédire la probabilité selon laquelle un nouvel e-mail correspond ou non à du courrier indésirable. Cette approche d'apprentissage à partir de données ayant été étiquetées avec la réponse réelle porte le nom d'apprentissage-machine supervisé.

Vous pouvez utiliser des approches d'apprentissage-machine supervisé pour les tâches d'apprentissage-machine spécifiques suivantes : la classification binaire (prédiction du résultat entre deux résultats possibles), la classification multiclasse (prédiction du résultat entre plus de deux résultats) et la régression (prédiction d'une valeur numérique).

Exemples de problèmes de classification binaire :

• Le client achètera-t-il ce produit ou non ?

• Cet e-mail correspond-il à du courrier indésirable ou non ?

• Ce produit est-il un livre ou un animal de ferme ?

• Ce commentaire a-t-il été écrit par un client ou un robot ?

Exemples de problèmes de classification multiclasse :

• Ce produit est-il un livre, un film ou un vêtement ?

• Ce film est-il une comédie romantique, un documentaire ou un thriller ?

• Quelle catégorie de produits intéresse le plus ce client ?

Exemples de problèmes de classification de type régression :

• Quelle sera la température à Seattle demain ?

• Pour ce produit, combien d'unités se vendra-t-il ?

• Dans combien de jours ce client arrêtera-t-il d'utiliser l'application ?

• A quel prix cette maison se vendra-t-elle ?