« 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==
-Le '''surapprentissage''' ou '''sur-ajustement''' (en anglais « overfitting ») est un problème pouvant survenir dans les méthodes mathématiques et informatiques de classification comme 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.
+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]]'''.
 ==Français==
-'''  surapprentissage   n. m.'''
+''' surapprentissage   '''
-''' surajustement   n. m.'''
+''' surajustement '''
+''' surinterprétation  '''
-''' surinterprétation n.m. '''
 ==Anglais==
 '''  overfitting   '''
@@ Ligne 20 : / 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]]