L’utilisateur veut comprendre le surapprentissage dans le contexte des fondements de l’apprentissage automatique et l’appliquer à des travaux pratiques de gouvernance ou de conformité de l’IA.
Le surapprentissage se produit lorsqu’un modèle apprend les données d’entraînement de trop près, y compris le bruit ou les détails idiosyncratiques, et fonctionne mal sur de nouvelles données. Il est généralement indiqué par de très bonnes performances à l’entraînement, mais des performances plus faibles en validation ou en test.
Contenu en cours de rédaction
Cette réponse est en cours de rédaction. Revenez bientôt pour le guide complet.