**Algorithmes d'apprentissage automatique supervisés**
* **Régression:**
* Prédire une valeur continue basée sur des variables d'entrée.
* Exemples : Régression linéaire, régression logistique, machines à vecteurs de support (SVM)
* **Classification:**
* Prédire une étiquette de classe pour une donnée d'entrée.
* Exemples : SVM, arbres de décision, réseaux de neurones
**Algorithmes d'apprentissage automatique non supervisés**
* **Clustering:**
* Regrouper des données en groupes similaires.
* Exemples : K-moyennes, hiérarchique, DBSCAN
* **Réduction de dimensionnalité:**
* Réduire la dimensionnalité des données tout en conservant les informations clés.
* Exemples : Analyse en composantes principales (ACP), t-SNE (t-distributed stochastic neighbor embedding)
