« Sous-ajustement » : différence entre les versions
m (Remplacement de texte — « <!-- Termium --> » par « Catégorie:Termium ») |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (13 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==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. | 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: | Note: dans de telles circonstances on observera également une erreur élevée sur les données de test. | ||
==Français== | ==Français== | ||
'''sous-ajustement''' | '''sous-ajustement''' | ||
'''sous-entraînement''' | '''sous-entraînement''' | ||
'''sous-apprentissage''' | '''sous-apprentissage''' | ||
==Anglais== | ==Anglais== | ||
| Ligne 28 : | Ligne 19 : | ||
==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'']. | |||
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 : | [[Utilisateur:Patrickdrouin | Source: Termino]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | |||
[[Category:Intelligence artificielle]] | |||
[[Category:Apprentissage profond]] | |||
[[Category:Termino 2019]] | |||
Version du 28 janvier 2024 à 13:03
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: 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.
Contributeurs: Evan Brach, Jacques Barolet, Patrick Drouin, wiki
