Accueil > Dictionnaire > Définitions du mot « sur-apprentissage »
Sur-apprentissage
[syraprɑ̃tisaʒ]
Définitions de « sur-apprentissage »
Sur-apprentissage - Nom commun
-
Phénomène où un modèle statistique ou d'apprentissage automatique s'ajuste trop précisément aux données d'entraînement, incluant des variations aléatoires et du bruit, compromettant ainsi sa capacité de généralisation à de nouvelles données.
Dans le second cas, on dit que le modèle est en sur-apprentissage : il modélise également des informations qui ne font pas partie de la véritable relation entrées-sortie, comme par exemple du bruit dû aux mesures.
— Geoffroy Simon, Méthodes non linéaires pour séries temporelles
Usage du mot « sur-apprentissage »
Évolution historique de l’usage du mot « sur-apprentissage » depuis 1800
Citations contenant le mot « sur-apprentissage »
-
Compromis biais-variance : Un modèle simple (variance faible) risque le sous-apprentissage (biais élevé y compris sur les données d’entraînement). Un modèle complexe (variance élevée) risque le sur-apprentissage (biais faible sur les données d’entraînement mais élevé sur de nouvelles données). On souhaite trouver un modèle intermédiaire, vers le creux de la courbe orange, là où le biais de prédiction est le plus faible et la généralisation la meilleure.
OpenClassrooms — Comprenez ce qui fait un bon modèle d’apprentissage - Evaluez les performances d'un modele de machine learning - OpenClassrooms