« Courbe de validation » : différence entre les versions

Version du 16 février 2023 à 16:03

Définition

Outil diagnostique utilisé lors de la mise au point d'un modèle d'apprentissage qui représente l'évolution de l'erreur sur les données de validation. La courbe de validation est utilisée pour estimer la qualité de l'apprentissage faite par le modèle. Elle permet de valider l'architecture du modèle au fur et à mesure de l'entraînement en fonction de divers hyperparamètres comme dans le processus de validation croisée.

Compléments

En observant la courbe, nous pouvons déterminer les conditions de surajustement, de sous-ajustement et de justesse du modèle pour les valeurs spécifiées de l'hyperparamètre donné. Lorsqu'il y a plusieurs hyperparamètres à régler en même temps, il faut isoler l'effet des différents hyperparamètres. Dans ce cas, on applique l'optimisation d'hyperparamètres.

En apprentissage automatique, les expressions « erreur de validation » et « erreur de généralisation » peuvent être considérées comme des synonymes.

Français

courbe de validation

courbe de l'erreur de validation

courbe de l'erreur sur les données de validation

courbe de l'erreur de la validation croisée

courbe de l'erreur de généralisation

Anglais

validation curve

Source : towardsdatascience

@@ Ligne 1 : / Ligne 1 : @@
-==en construction==
+== Définition ==
+Outil diagnostique utilisé lors de la mise au point d'un [[modèle|modèle d'apprentissage]] qui représente l'évolution de l'erreur sur les [[données de validation]]. La courbe de validation est utilisée pour estimer la qualité de l'apprentissage faite par le modèle. Elle permet de valider l'architecture du modèle au fur et à mesure de l'entraînement en fonction de divers [[hyperparamètres]] comme dans le processus de [[validation croisée]].
-== Définition ==
+== Compléments ==
-XXXXXXXXX
+En observant la courbe, nous pouvons déterminer les conditions de surajustement, de sous-ajustement et de justesse du modèle pour les valeurs spécifiées de l'[[hyperparamètres|hyperparamètre]] donné. Lorsqu'il y a plusieurs hyperparamètres à régler en même temps, il faut isoler l'effet des différents hyperparamètres. Dans ce cas, on applique l'optimisation d'hyperparamètres.
+<hr/>
+En apprentissage automatique, les expressions « erreur de validation » et « erreur de généralisation » peuvent être considérées comme des synonymes.
 == Français ==
-''' XXXXXXXXX '''
+''' courbe de validation '''
+''' courbe de l'erreur de validation '''
+''' courbe de l'erreur sur les données de validation '''
+''' courbe de l'erreur de la validation croisée '''
+''' courbe de l'erreur de généralisation '''
 == Anglais ==
-''' Validation Curve'''
+''' validation curve'''
- The validation curve plots the influence of a single hyperparameter on the train and validation set. By looking at the curve, we can determine the overfitting, underfitting and just-right conditions of the model for the specified values of the given hyperparameter. When there are multiple hyperparameters to tune at once, the validation curve cannot be used. Instated, you can use grid search or random search.
 <small>