« Surapprentissage » : différence entre les versions

Dernière version du 19 avril 2026 à 20:54

Définition

Le surapprentissage ou surajustement (overfitting en anglais) est un problème pouvant survenir avec les algorithmes d'apprentissage. Il est, en général, provoqué par un mauvais choix de modèle, typiquement un modèle trop complexe.

Compléments

De par sa trop grande capacité à stocker des informations, un modèle complexe dans une situation de surapprentissage aura de la peine à généraliser les attributs des données. Le modèle se comporte alors comme une table contenant tous les données utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons. Communément, on dira que le modèle apprend par cœur.

Français

surapprentissage

surajustement

surinterprétation

Anglais

overfitting

overlearning

overtraining

The overfitting is a problem that can arise in mathematical classification methods for neural networks. It is generally caused by incorrectly dimensioning the structure used to classify. Because of its excessive capacity to store information, a structure in an overlearning situation will have difficulty generalizing the features of the data. It then behaves like a table containing all the samples used during learning and loses its predictive powers on new samples.

Español

sobreajuste

El sobreajuste es un problema que puede producirse en los métodos de clasificación matemática de las redes neuronales. Generalmente se debe a un dimensionamiento incorrecto de la estructura utilizada para clasificar. Debido a su excesiva capacidad para almacenar información, un modelo complejo en situación de sobreaprendizaje tendrá dificultades para generalizar los atributos de los datos. El modelo se comporta entonces como una tabla que contiene todos los datos utilizados durante el entrenamiento y pierde su capacidad de predicción sobre nuevas muestras. Se suele decir que el modelo aprende de memoria.

Sources

TERMIUM Plus

Google, Machine learning glossary

Wikipedia - Surapprentissage.

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »

@@ Ligne 1 : / Ligne 1 : @@
-[[Category:intelligence artificielle]]
-<!--GDT-->
-[[Category:GRAND LEXIQUE FRANÇAIS]]
-[[Catégorie:Termium]]
 ==Définition==
+Le surapprentissage ou surajustement (''overfitting '' en anglais) est un problème pouvant survenir avec les '''[[Algorithme d'apprentissage|algorithmes d'apprentissage]]'''. Il est, en général, provoqué par un mauvais choix de modèle, typiquement un modèle trop complexe.
-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.
+==Compléments==
+De par sa trop grande capacité à stocker des informations, un modèle complexe dans une situation de surapprentissage aura de la peine à '''[[Généralisation|généraliser]]''' les '''[[Attribut|attributs]]''' des '''[[données]]'''. Le modèle se comporte alors comme une table contenant tous les données utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons. Communément, on dira que le modèle apprend par cœur.
-Le '''surapprentissage''' ou '''sur-ajustement''' (en anglais « overfitting ») est un problème pouvant survenir dans les méthodes mathématiques et informatiques de classification comme 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.
+==Français==
+'''surapprentissage'''
+'''surajustement'''
-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.
+'''surinterprétation'''
-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
+==Anglais==
+'''overfitting'''
+'''overlearning'''
-==Français==
+'''overtraining'''
-'''  surapprentissage   n. m.'''
-''' surajustement   n. m.'''
+The overfitting is a problem that can arise in mathematical classification methods for neural networks. It is generally caused by incorrectly dimensioning the structure used to classify. Because of its excessive capacity to store information, a structure in an overlearning situation will have difficulty generalizing the features of the data. It then behaves like a table containing all the samples used during learning and loses its predictive powers on new samples.
-''' surinterprétation n.m. '''
+See also: curse of dimensionality
-==Anglais==
-'''  overfitting   '''
-''' overlearning  '''
+==Español==
+[[Catégorie:es]]
-'''  overtraining '''
+''''' sobreajuste '''''
+''El sobreajuste es un problema que puede producirse en los métodos de clasificación matemática de las redes neuronales. Generalmente se debe a un dimensionamiento incorrecto de la estructura utilizada para clasificar. Debido a su excesiva capacidad para almacenar información, un modelo complejo en situación de sobreaprendizaje tendrá dificultades para generalizar los atributos de los datos. El modelo se comporta entonces como una tabla que contiene todos los datos utilizados durante el entrenamiento y pierde su capacidad de predicción sobre nuevas muestras. Se suele decir que el modelo aprende de memoria.''
-<small>
+==Sources==
+[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs TERMIUM Plus]
+[https://developers.google.com/machine-learning/glossary/  Google, ''Machine learning glossary'']
+[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239 Wikipedia - Surapprentissage.]
+{{Modèle:101}}
-[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]
+{{Modèle:GDT}}
+[[Catégorie:GDT]]
-[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary'']
+[[Category:intelligence artificielle]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]
-[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239  Source: Wikipedia, Surapprentissage.]
+[[Catégorie:101]]

« Surapprentissage » : différence entre les versions