« Surapprentissage » : différence entre les versions


m (ajout d'un équivalent surajustage)
Aucun résumé des modifications
Ligne 5 : Ligne 5 :
[[Category:GRAND LEXIQUE FRANÇAIS]]GRAND LEXIQUE FRANÇAIS<br />
[[Category:GRAND LEXIQUE FRANÇAIS]]GRAND LEXIQUE FRANÇAIS<br />
<br />
<br />
<!--
 
== Définition ==
== Définition ==
Phénomène responsable d'erreurs, qui se produit lorsqu'un système comme un réseau de neurones artificiels est contraint d'analyser de nouveaux cas en se basant presque exclusivement sur les caractéristiques spécifiques de ceux qu'il a déjà rencontrés en phase d'apprentissage, au détriment de caractéristiques plus générales qui lui permettraient de mieux cerner ce qu'on ne lui a pas déjà présenté.   
Phénomène responsable d'erreurs, qui se produit lorsqu'un système comme un réseau de neurones artificiels est contraint d'analyser de nouveaux cas en se basant presque exclusivement sur les caractéristiques spécifiques de ceux qu'il a déjà rencontrés en phase d'apprentissage, au détriment de caractéristiques plus générales qui lui permettraient de mieux cerner ce qu'on ne lui a pas déjà présenté.   

Version du 29 décembre 2018 à 11:12

Domaine

intelligence artificielle
GDT
GRAND LEXIQUE FRANÇAIS


Définition

Phénomène responsable d'erreurs, qui se produit lorsqu'un système comme un réseau de neurones artificiels est contraint d'analyser de nouveaux cas en se basant presque exclusivement sur les caractéristiques spécifiques de ceux qu'il a déjà rencontrés en phase d'apprentissage, au détriment de caractéristiques plus générales qui lui permettraient de mieux cerner ce qu'on ne lui a pas déjà présenté.

Termes privilégiés

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: Grand Dictionnaire Terminologique






Définition

Création d'un modèle correspondant si étroitement aux données d'apprentissage qu'il ne parvient pas à effectuer des prédictions correctes avec de nouvelles données.


-->
Source: Google machine learning glossary