L’utilisateur veut comprendre le sous-apprentissage 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 sous-apprentissage se produit lorsqu’un modèle est trop simple ou insuffisamment entraîné pour capturer des motifs significatifs dans les données. Un modèle sous-appris fonctionne mal à la fois sur les données d’entraînement et sur les nouvelles données, car il n’a pas appris les relations sous-jacentes nécessaires à la tâche.
Contenu en cours de rédaction
Cette réponse est en cours de rédaction. Revenez bientôt pour le guide complet.