À voir : surapprendre ou généraliser
Tu viens d'ajuster un modèle sur des données bruitées. La grande question du machine learning arrive : à quel point un modèle doit-il être souple ? Trop rigide, il rate le motif ; trop souple, il mémorise le bruit au lieu d'apprendre la tendance.
Appuie sur lecture. Regarde un modèle simple suivre le vrai motif, puis un modèle complexe se tordre pour toucher chaque point d'entraînement, avec zéro erreur d'entraînement, et vois pourquoi c'est exactement la mauvaise chose sur de nouvelles données. Ensuite, tu coderas toi-même le compromis entre sous-apprentissage et surapprentissage.
Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon
Cet exercice s'ouvre bientôt
Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.