« Sous-ajustement » : différence entre les versions


m (Remplacement de texte — « <small> masculin </small> » par «  »)
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
Ligne 19 : Ligne 19 :




<small>
==Sources==


[https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html  Source:  Amazon Machine Learning, Manuel du développeur, ''Ajustement du modèle : sous-ajustement et surajustement''].
[https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html  Source:  Amazon Machine Learning, Manuel du développeur, ''Ajustement du modèle : sous-ajustement et surajustement''].

Version du 28 janvier 2024 à 12:03

Définition

Situation observée quand un algorithme d'apprentissage automatique ou un modèle statistique ne s'ajuste que grossièrement aux données d'entraînement, ce qui se traduit par une erreur élevée sur les données d'entraînement.

Note: dans de telles circonstances on observera également une erreur élevée sur les données de test.

Français

sous-ajustement

sous-entraînement

sous-apprentissage

Anglais

underfitting

undertraining

underlearning


Sources

Source: Amazon Machine Learning, Manuel du développeur, Ajustement du modèle : sous-ajustement et surajustement.

Source: Lecompte, Jérémie (2007). Sélection de mode par réseaux de neurones pour le codeur audio AMR-WB+, mémoire de maitrise, Université de Sherbrooke, 155 pages.

Source: Côté, Marc-Alexandre (2017). Réseaux de neurones génératifs avec structure, thèse de doctorat, Université de Sherbrooke, 170 pages.

Source: Termino