« Surapprentissage » : différence entre les versions

Version du 14 janvier 2025 à 16:08

Définition

Le surapprentissage ou surajustement (overfitting en anglais) 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 aussi fléau de la dimension

Français

surapprentissage

surajustement

surinterprétation

Anglais

overfitting

overlearning

overtraining

Sources

Source : TERMIUM Plus

Source : Google, Machine learning glossary

Source : Wikipedia, Surapprentissage.

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-Le surapprentissage ou surajustement (''overfitting '' en anglais) est un problème pouvant survenir dans les méthodes mathématiques de classification pour les '''[[Réseau de neurones artificiels|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 '''[[Généralisation|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 '' en anglais) est un problème pouvant survenir dans les méthodes mathématiques de classification pour les '''[[Réseau de neurones artificiels|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 '''[[Généralisation|généraliser]]''' les '''[[Caractéristique|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 aussi '''[[Fléau de la haute dimension|fléau de la dimension]]'''

« Surapprentissage » : différence entre les versions