Classification ou régression ?¶

FitRank vous demande de déclarer task: dans le YAML. Ce guide montre comment reconnaître la tâche d'un problème, et quels autres types de tâches existent.

La règle de base¶

Regardez la nature de ce que vous prédisez, pas son format.

Vous prédisez…	Tâche	Exemples
Une catégorie (une étiquette parmi une liste fixe)	Classification	Survivant ou non ? Spam ou pas ? Quelle espèce de fleur ?
Une quantité (un nombre sur une échelle continue)	Régression	Quel prix ? Quelle température demain ? Combien de minutes de trajet ?

Trois questions pour trancher¶

Est-ce qu'une moyenne a du sens ?
- La moyenne de 200 000 € et 300 000 € est 250 000 €, ça a un sens → régression
- La moyenne de « chat » et « chien » n'a aucun sens → classification
Est-ce que la taille d'une erreur compte ?
- Prédire 210 000 € au lieu de 200 000 € est presque juste, 900 000 € est très faux → régression
- Prédire « chien » au lieu de « chat » est juste faux, il n'y a pas de « presque » → classification
Est-ce que le modèle peut sortir une valeur jamais vue ?
- Un prix de 237 451 € peut ne figurer nulle part dans les données, mais c'est une réponse valable → régression
- Une espèce de fleur inventée n'est pas une réponse valable → classification

Attention au piège du format

Un nombre n'est pas forcément une quantité. Un code postal (75001), une classe de billet (1, 2, 3) ou une étiquette 0/1 sont des catégories écrites avec des chiffres.

Indice : peu de valeurs possibles, et aucun calcul n'a de sens entre elles → c'est de la classification.

Les cas limites¶

Cible	Plutôt…	Pourquoi
Une note de 1 à 5 étoiles	Ça dépend	Il y a un ordre, mais pas une vraie échelle continue. On parle de régression ordinale (voir plus bas).
Nombre d'enfants (0, 1, 2…)	Régression	C'est un comptage : la moyenne a un sens. Il existe une variante dédiée, la régression de Poisson.
Âge en tranches (« 18-25 », « 26-35 »)	Classification	Ce sont des catégories, même si elles viennent d'un nombre.
Probabilité de défaut de paiement	Classification	Les classes sont « défaut / pas défaut », et le modèle donne une probabilité pour chaque classe.

Les variantes de la classification et de la régression¶

Classification binaire : deux classes (oui / non).
Classification multiclasse : plus de deux classes, une seule réponse par exemple (iris : setosa, versicolor ou virginica).
Classification multilabel : plusieurs étiquettes à la fois (un film à la fois « comédie » et « romance »).
Régression multi-sortie : plusieurs nombres à la fois (latitude et longitude).

FitRank traite la classification binaire et multiclasse, et la régression à une seule sortie.

Les autres types de tâches¶

La classification et la régression font partie de l'apprentissage supervisé : les exemples viennent avec la bonne réponse (la target, ou cible). Il existe d'autres familles.

Supervisé, mais différent¶

Tâche	Exemple
Régression ordinale	Prédire une note de 1 à 5 en respectant l'ordre
Prévision de séries temporelles	Les ventes du mois prochain à partir des mois passés
Ranking (classement)	Ordonner des résultats de recherche
Analyse de survie	Combien de temps avant qu'un client parte ou qu'une machine tombe en panne

Non supervisé (pas de cible, on cherche une structure)¶

Tâche	Exemple
Clustering (regroupement)	Regrouper des clients aux comportements proches
Réduction de dimension	Résumer 50 colonnes en 3 (par exemple avec une ACP)
Détection d'anomalies	Repérer une transaction bancaire frauduleuse

Autres familles¶

Apprentissage par renforcement : un agent apprend par essais et erreurs, avec des récompenses (jeux, robots).
Modèles génératifs : produire du nouveau contenu (texte, images).
Semi-supervisé : quelques exemples ont une cible, la plupart n'en ont pas.

Le réflexe à garder¶

Avant tout modèle, demandez-vous : « ma réponse est-elle une étiquette ou une quantité ? »

Une étiquette → classification

Une quantité → régression

Sur des données tabulaires, cette question suffit dans la grande majorité des cas.

Pourquoi FitRank ne devine pas¶

La tâche ne se déduit pas de la cible seule. Une note de 1 à 5 peut être une classification ou une régression : c'est un choix lié au problème, pas aux données. C'est pour ça que FitRank demande de déclarer task: explicitement. Il avertit seulement, sans s'arrêter, quand la cible semble peu probable pour la tâche (voir la référence de la configuration).