« Surapprentissage » : différence entre les versions

Dernière version du 23 mai 2024 à 22:24

Définition

Le surapprentissage ou surajustement (overfitting ) est un problème pouvant survenir dans les méthodes mathématiques de classification pour les réseaux de neurones. Il est en général provoqué par un mauvais dimensionnement de la structure utilisée pour classifier. De par sa trop grande capacité à stocker des informations, une structure dans une situation de surapprentissage aura de la peine à généraliser les caractéristiques des données. Elle se comporte alors comme une table contenant tous les échantillons utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons.

Voir Fléau de la dimension

Français

surapprentissage

surajustement

surinterprétation

Anglais

overfitting

overlearning

overtraining

Sources

Source : TERMIUM Plus

Source : Google, Machine learning glossary

Source : Wikipedia, Surapprentissage.

@@ Ligne 1 : / Ligne 1 : @@
-[[Category:intelligence artificielle]]
-<!--GDT-->
-[[Category:GRAND LEXIQUE FRANÇAIS]]
-[[Catégorie:Termium]]
 ==Définition==
+Le '''surapprentissage''' ou '''surajustement''' (''overfitting '') est un problème pouvant survenir dans les méthodes mathématiques  de classification pour les réseaux de neurones. Il est en général provoqué par un mauvais dimensionnement de la structure utilisée pour classifier. De par sa trop grande capacité à stocker des informations, une structure dans une situation de surapprentissage aura de la peine à généraliser les caractéristiques des données. Elle se comporte alors comme une table contenant tous les échantillons utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons.
-Le surapprentissage ou sur-ajustement  (''overfitting'' ) est une analyse statistique qui correspond trop étroitement ou exactement à un ensemble particulier de données. Ainsi, cette analyse peut ne pas correspondre à des données supplémentaires ou perdre peu à peu son pouvoir prédictif au delà d'un certain seuil.
+Voir '''[[Fléau de la haute dimension|Fléau de la dimension]]'''
-Un modèle surajusté voit son efficacité décroître au-delà d'un certain seuil. Engorgé par trop de données, l'algorithme perd peu à peu son pouvoir prédictif.est un modèle statistique qui c contient plus de paramètres que ne peuvent le justifier les données.
+==Français==
+'''surapprentissage'''
-En statistique, le '''surapprentissage''' ou '''sur-ajustement''' ou '''surinterprétation''' (en anglais « ''overfitting'' ») est une analyse statistique qui correspond trop étroitement ou exactement à un ensemble particulier de données. Ainsi, cette analyse peut ne pas correspondre à des données supplémentaires ou ne pas prévoir de manière fiable les observations futures. Un modèle '''surajusté''' est un modèle statistique qui contient plus de paramètres que ne peuvent le justifier les données1
+'''surajustement'''
-==Français==
+'''surinterprétation'''
-'''  surapprentissage   n. m.'''
-''' surajustement   n. m.'''
-''' surinterprétation n.m. '''
 ==Anglais==
-'''  overfitting   '''
+'''overfitting'''
-''' overlearning  '''
+'''overlearning'''
-'''  overtraining '''
+'''overtraining'''
+==Sources==
+[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs  Source : TERMIUM Plus]
-<small>
+[https://developers.google.com/machine-learning/glossary/  Source : Google, ''Machine learning glossary'']
+[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239  Source : Wikipedia, Surapprentissage.]
+{{Modèle:GDT}}
+[[Catégorie:GDT]]
+[[Category:intelligence artificielle]]
-[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
+[[Category:GRAND LEXIQUE FRANÇAIS]]
-[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary'']

« Surapprentissage » : différence entre les versions