« Surapprentissage » : différence entre les versions


m (ajout d'un équivalent surajustage)
Aucun résumé des modifications
 
(57 versions intermédiaires par 6 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
__NOTOC__
==Définition==
== Domaine ==
Le surapprentissage ou surajustement (''overfitting '' en anglais) est un problème pouvant survenir avec les algorithmes d'apprentissage. Il est, en général, provoqué par un mauvais choix de modèle, typiquement un modèle trop complexe.  
[[Category:intelligence artificielle]]intelligence artificielle<br />
[[Category:GDT]]GDT<br />
[[Category:GRAND LEXIQUE FRANÇAIS]]GRAND LEXIQUE FRANÇAIS<br />
<br />
<!--
== Définition ==
Phénomène responsable d'erreurs, qui se produit lorsqu'un système comme un réseau de neurones artificiels est contraint d'analyser de nouveaux cas en se basant presque exclusivement sur les caractéristiques spécifiques de ceux qu'il a déjà rencontrés en phase d'apprentissage, au détriment de caractéristiques plus générales qui lui permettraient de mieux cerner ce qu'on ne lui a pas déjà présenté.
<br />
<br />


== Termes privilégiés ==
==Compléments==
===  surapprentissage   n. m.===
De par sa trop grande capacité à stocker des informations, un modèle complexe dans une situation de surapprentissage aura de la peine à '''[[Généralisation|généraliser]]''' les '''[[Attribut|attributs]]''' des '''[[données]]'''. Le modèle se comporte alors comme une table contenant tous les données utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons. Communément, on dira que le modèle apprend par cœur.
=== surajustement  n. m.===
=== surajustage n.m. ===
Les mots composés avec le préfixe sur-, qu'il s'agisse de noms, de verbes ou d'adjectifs, s'écrivent sans trait d'union
<br />
<br />


== Anglais ==
==Français==
===  overfitting   ===
'''surapprentissage'''    
=== overlearning  ===
===  overtraining ===
<br/>
<br/>


[http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26543964  ''Source: Grand Dictionnaire Terminologique'' ]
'''surajustement''' 
<br/>
<br/>
<br/>
<br/>


'''surinterprétation''' 


==Anglais==
'''overfitting'''


'''overlearning'''


'''overtraining'''


==Sources==
[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=surapprentissage+&index=alt&codom2nd_wet=1#resultrecs TERMIUM Plus]


[https://developers.google.com/machine-learning/glossary/  Google, ''Machine learning glossary'']


== Définition ==
[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239 Wikipedia - Surapprentissage.]
Création d'un modèle correspondant si étroitement aux données d'apprentissage qu'il ne parvient pas à effectuer des prédictions correctes avec de nouvelles données.
{{Modèle:GDT}}


<br/>-->
[[Catégorie:GDT]]
<br/>
[[Category:intelligence artificielle]]
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]
[[Category:GRAND LEXIQUE FRANÇAIS]]
<br/>
[[Catégorie:101]]
<br/>
<br/>

Dernière version du 3 avril 2025 à 10:08

Définition

Le surapprentissage ou surajustement (overfitting en anglais) est un problème pouvant survenir avec les algorithmes d'apprentissage. Il est, en général, provoqué par un mauvais choix de modèle, typiquement un modèle trop complexe.

Compléments

De par sa trop grande capacité à stocker des informations, un modèle complexe dans une situation de surapprentissage aura de la peine à généraliser les attributs des données. Le modèle se comporte alors comme une table contenant tous les données utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons. Communément, on dira que le modèle apprend par cœur.

Français

surapprentissage

surajustement

surinterprétation

Anglais

overfitting

overlearning

overtraining

Sources

TERMIUM Plus

Google, Machine learning glossary

Wikipedia - Surapprentissage.

Récupérée de « https://datafranca.org/wiki/index.php?title=Surapprentissage&oldid=112094 »

Contributeurs: Arianne , Evan Brach, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche