« Sous-ajustement » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
Ligne 1 : | Ligne 1 : | ||
[[Category:Vocabulaire2]] | [[Category:Vocabulaire2]] | ||
[[Category:Coulombe2]] | [[Category:Coulombe2]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:Termium2]] | [[Catégorie:Termium2]] | ||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]] | ||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
[[Category:Termino 2019]] | [[Category:Termino 2019]] | ||
Ligne 31 : | Ligne 31 : | ||
<small> | |||
Source : Amazon (sans date). Amazon Machine Learning, Manuel du développeur, https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019. | Source : Amazon (sans date). Amazon Machine Learning, Manuel du développeur, https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019. |
Version du 17 juin 2019 à 21:22
Définition
Situation observée quand un algorithme d'apprentissage automatique ou un modèle statistique ne s'ajuste que grossièrement aux données d'entraînement ce qui se traduit par une erreur élevée sur les données d'entraînement.
Note: Dans de telles circonstances, on observera également une erreur élevée sur les données de test.
Français
sous-ajustement
sous-entraînement
sous-apprentissage
Anglais
underfitting
undertraining
underlearning
Source : Amazon (sans date). Amazon Machine Learning, Manuel du développeur, https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019.
Source : Lecompte, Jérémie (2007). Sélection de mode par réseaux de neurones pour le codeur audio AMR-WB+, mémoire de maitrise, Université de Sherbrooke, 155 pages.
Source : Côté, Marc-Alexandre (2017). Réseaux de neurones génératifs avecstructure, thèse de doctorat, Université de Sherbrooke, 170 pages.
Contributeurs: Evan Brach, Jacques Barolet, Patrick Drouin, wiki