« Sous-ajustement » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 33 : Ligne 33 :
<small>
<small>


Source : Amazon (sans date). Amazon Machine Learning, Manuel du développeur, https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019.
Source: Amazon (sans date). ''Amazon Machine Learning, Manuel du développeur'', https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019.


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

Version du 7 juillet 2019 à 17:07


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 n.m.

sous-entraînement n.m.

sous-apprentissage n.m.

Anglais

underfitting

undertraining

underlearning



Source: Amazon (sans date). Amazon Machine Learning, Manuel du développeur, https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html, consulté le 7 juin 2019.

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.