« Surapprentissage » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications |
||
| Ligne 4 : | Ligne 4 : | ||
[[Catégorie:Termium]] | [[Catégorie:Termium]] | ||
==Définition== | ==Définition== | ||
Phénomène qui affecte certains algorithmes de Machine Learning, notamment les réseaux de neurones, et qui voit leur efficacité décroitre au-delà d'un certain seuil. Engorgé par trop de données, l'algorithme perd peu à peu son pouvoir prédictif. | |||
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 ne pas prévoir de manière fiable les observations futures. Un modèle surajusté voit leur 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 contient plus de paramètres que ne peuvent le justifier les données. | 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 ne pas prévoir de manière fiable les observations futures. Un modèle surajusté voit leur 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 contient plus de paramètres que ne peuvent le justifier les données. | ||
==Français== | ==Français== | ||
Version du 1 août 2019 à 20:48
Définition
Phénomène qui affecte certains algorithmes de Machine Learning, notamment les réseaux de neurones, et qui voit leur efficacité décroitre au-delà d'un certain seuil. Engorgé par trop de données, l'algorithme perd peu à peu son pouvoir prédictif.
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 ne pas prévoir de manière fiable les observations futures. Un modèle surajusté voit leur 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 contient plus de paramètres que ne peuvent le justifier les données.
Français
surapprentissage n. m.
surajustement n. m.
surajustage n.m.
Anglais
overfitting
overlearning
overtraining
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
