- Sous-apprentissage (underfitting)
- Dans le contexte de l'apprentissage automatique, le sous-apprentissage se produit lorsqu'un modèle n'est pas suffisamment complexe pour capturer les schémas dans les données d'entraînement. Cela entraîne une mauvaise performance sur les données d'entraînement et les données de test, car le modèle ne peut pas généraliser correctement les motifs dans les données.
- Surapprentissage (overfitting)
- Le surapprentissage est un phénomène dans lequel un modèle d'apprentissage automatique apprend trop bien les détails spécifiques des données d'entraînement, au point de capturer les bruits et les variations aléatoires plutôt que les schémas sous-jacents. Cela entraîne une bonne performance sur les données d'entraînement, mais une mauvaise performance sur les données de test, car le modèle ne peut pas généraliser correctement les motifs dans les données.
Sous-apprentissage / surapprentissage | Lexique de l'intelligence artificielle
