Bases du machine learning · Évaluation de modèles

Compromis biais-variance

Un modèle trop simple a un biais élevé (sous-apprend) ; un modèle trop flexible a une variance élevée (surapprend), et on ne peut pas minimiser les deux à la fois.

Commencer une leçon sur Compromis biais-variance

À apprendre d'abord

• Régression linéaire: Ajuster une droite (ou un hyperplan) aux données pour prédire un nombre continu.

Mène à

• Surapprentissage et sous-apprentissage: Un modèle qui mémorise les données d'entraînement au lieu d'apprendre le schéma (surapprentissage), ou un modèle trop faible pour même l'apprendre (sous-apprentissage).

Notions liées

• Surapprentissage et sous-apprentissage: Un modèle qui mémorise les données d'entraînement au lieu d'apprendre le schéma (surapprentissage), ou un modèle trop faible pour même l'apprendre (sous-apprentissage).