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).
Mène à
Réglage des hyperparamètres: Rechercher systématiquement les réglages (taux d'apprentissage, force de régularisation, profondeur d'arbre) qui ne sont pas appris à partir des données mais choisis avant l'entraînement.
Notions liées
Réglage des hyperparamètres: Rechercher systématiquement les réglages (taux d'apprentissage, force de régularisation, profondeur d'arbre) qui ne sont pas appris à partir des données mais choisis avant l'entraînement.