« Surapprentissage » : différence entre les versions

Dernière version du 28 janvier 2024 à 13:59

Définition

Le surapprentissage ou surajustement (overfitting ) est un problème pouvant survenir dans les méthodes mathématiques de classification pour les réseaux de neurones. Il est en général provoqué par un mauvais dimensionnement de la structure utilisée pour classifier. De par sa trop grande capacité à stocker des informations, une structure dans une situation de surapprentissage aura de la peine à généraliser les caractéristiques des données. Elle se comporte alors comme une table contenant tous les échantillons utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons.

Voir: fléau de la dimension.

Français

surapprentissage

surajustement

surinterprétation

Anglais

overfitting

overlearning

overtraining

Sources

Source : TERMIUM Plus

Source: Google, Machine learning glossary

Source: Wikipedia, Surapprentissage.

GRAND DICTIONAIRE TERMINOLOGIQUE
Source : Ce terme provient de La Vitrine linguistiquede l'Office québécois de la langue française.

@@ Ligne 1 : / Ligne 1 : @@
-[[Category:intelligence artificielle]]
-<!--GDT-->
-[[Category:GRAND LEXIQUE FRANÇAIS]]
-[[Catégorie:Termium]]
 ==Définition==
-Phénomène qui affecte certains algorithmes de Machine Learning, notamment les réseaux de neurones, et qui voit leur efficacité décroitre au-delà d'un certain seuil. Engorgé par trop de données, l'algorithme perd peu à peu son pouvoir prédictif.
+Le '''surapprentissage''' ou '''surajustement''' (''overfitting '') est un problème pouvant survenir dans les méthodes mathématiques  de classification pour les réseaux de neurones. Il est en général provoqué par un mauvais dimensionnement de la structure utilisée pour classifier. De par sa trop grande capacité à stocker des informations, une structure dans une situation de surapprentissage aura de la peine à généraliser les caractéristiques des données. Elle se comporte alors comme une table contenant tous les échantillons utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons.
+Voir: '''[[Fléau de la haute dimension|fléau de la dimension]]'''.
-Le surapprentissage ou sur-ajustement  (''overfitting'' ) est une analyse statistique qui correspond trop étroitement ou exactement à un ensemble particulier de données. Ainsi, cette analyse peut ne pas correspondre à des données supplémentaires ou ne pas prévoir de manière fiable les observations futures. Un modèle surajusté voit leur efficacité décroître au-delà d'un certain seuil. Engorgé par trop de données, l'algorithme perd peu à peu son pouvoir prédictif.est un modèle statistique qui contient plus de paramètres que ne peuvent le justifier les données.
 ==Français==
-'''  surapprentissage   n. m.'''
+''' surapprentissage   '''
-''' surajustement   n. m.'''
+''' surajustement '''
+''' surinterprétation  '''
-''' surajustage n.m. '''
 ==Anglais==
 '''  overfitting   '''
@@ Ligne 22 : / Ligne 19 : @@
-<small>
+==Sources==
+[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
+[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary'']
-[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
+[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239 Source: Wikipedia, Surapprentissage.]
+{{Modèle:GDT}}
-[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary'']
+[[Catégorie:GDT]]
+[[Category:intelligence artificielle]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]