Comment choisir la variable cible d’un apprentissage supervisé pour un robot ?
Mise à jour28 août 2026
Lecture1 minute
Réponse rapide
La variable cible est le résultat que le modèle doit apprendre à prévoir. On la choisit à partir de la décision utile au robot, avec une définition mesurable et disponible au moment de l’entraînement.
Nommer le résultat attendu
Pour trier des pièces, la cible peut être « conforme » ou « à contrôler ». Elle doit être définie de la même façon par les personnes qui annotent les exemples.
Prévoir une panne
Si le robot doit signaler un moteur à inspecter dans les 24 heures, la cible décrit ce fait et son horizon. Une étiquette vague comme « mauvais comportement » apprendrait une consigne difficile à vérifier.Ne pas choisir une cible après avoir vu le résultat
Une variable construite avec une information future donne l’illusion d’un modèle excellent. La cible doit pouvoir exister au moment où le robot prend sa décision.
Sources et références
- [1] Cross-validation: evaluating estimator performance — scikit-learn developers