« Surapprentissage » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(59 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.===
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'''


==Español==


''''' sobreajuste '''''


== Définition ==
''El sobreajuste es un problema que puede producirse en los métodos de clasificación matemática de las redes neuronales. Generalmente se debe a un dimensionamiento incorrecto de la estructura utilizada para clasificar. Debido a su excesiva capacidad para almacenar información, un modelo complejo en situación de sobreaprendizaje tendrá dificultades para generalizar los atributos de los datos. El modelo se comporta entonces como una tabla que contiene todos los datos utilizados durante el entrenamiento y pierde su capacidad de predicción sobre nuevas muestras. Se suele decir que el modelo aprende de memoria.''  
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.


<br/>-->
==Sources==
<br/>
[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/  Source: Google machine learning glossary ]
 
<br/>
[https://developers.google.com/machine-learning/glossary/  Google, ''Machine learning glossary'']
<br/>
 
<br/>
[https://fr.wikipedia.org/w/index.php?title=Surapprentissage&oldid=161071239 Wikipedia - Surapprentissage.]
 
{{Modèle:101}}
{{Modèle:GDT}}
[[Catégorie:GDT]]
[[Category:intelligence artificielle]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]

Dernière version du 23 juillet 2025 à 10:58

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

Español

sobreajuste

El sobreajuste es un problema que puede producirse en los métodos de clasificación matemática de las redes neuronales. Generalmente se debe a un dimensionamiento incorrecto de la estructura utilizada para clasificar. Debido a su excesiva capacidad para almacenar información, un modelo complejo en situación de sobreaprendizaje tendrá dificultades para generalizar los atributos de los datos. El modelo se comporta entonces como una tabla que contiene todos los datos utilizados durante el entrenamiento y pierde su capacidad de predicción sobre nuevas muestras. Se suele decir que el modelo aprende de memoria.

Sources

TERMIUM Plus

Google, Machine learning glossary

Wikipedia - Surapprentissage.

101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle » Ligne bleue2.jpg

Récupérée de « https://datafranca.org/wiki/index.php?title=Surapprentissage&oldid=114237 »

Contributeurs: Arianne Arel, Evan Brach, Claude Coulombe, Jacques Barolet, Espanol: Jean-Sébastien Zavalone, wiki, Robert Meloche