« Surapprentissage » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 3 : Ligne 3 :
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Termium]]
[[Catégorie:Termium]]
== Définition ==
== Définition ==
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 données.
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 données.

Version du 28 juillet 2019 à 22:04

Définition

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 données.

Français

surapprentissage n. m.

surajustement n. m.

surajustage n.m.

Les mots composés avec le préfixe sur-, qu'il s'agisse de noms, de verbes ou d'adjectifs, s'écrivent sans trait d'union


Anglais

overfitting

overlearning

overtraining




Source : TERMIUM Plus

Source: Google, Machine learning glossary