Aperçu public de la leçon
Comprenez les deux modes d'échec du machine learning les plus courants (surapprentissage et sous-apprentissage) avec des exemples clairs et comment les résoudre.
À la fin de cette leçon, tu comprendras :
Vous avez formé votre premier modèle d’apprentissage automatique. Il fonctionne à merveille sur vos données d'entraînement : précision de 98 % ! Vous le testez sur de nouvelles données et il s'effondre : 61 % de précision. Qu'est-ce qui n'a pas fonctionné ? Il est presque certain que votre modèle a un surajustement . Il s'agit de l'un des deux modes de défaillance les plus courants dans l'apprentissage automatique, et sa compréhension, aux côtés de son contraire, le sous-ajustement , est essentielle pour créer des modèles qui fonctionnent réellement dans le monde réel.
Surajustement et sous-ajustement : pourquoi les modèles ML échouent fait partie de AI Sprouts
Surajustement et sous-ajustement : pourquoi les modèles ML échouent fait partie de AI Sprouts. Passe à Pro pour débloquer la leçon complète, les quiz, le suivi de progression et toutes les académies.
Gratuit pendant 7 jours. Annulez quand vous voulez, sans justification.