MoyenneChoix unique

Question d'entraînement AI-900

Qu'est-ce que le surapprentissage (overfitting) en machine learning ?

Choisissez la meilleure réponse.

Bonne réponse

  • ALorsqu'un modèle performe bien sur les données d'entraînement mais mal sur de nouvelles données invisibles

Explication

Le surapprentissage se produit lorsqu'un modèle de machine learning apprend trop bien les données d'entraînement, y compris leur bruit et leurs valeurs aberrantes, ce qui entraîne une précision élevée sur les données d'entraînement mais une mauvaise généralisation sur les données nouvelles et invisibles. Il s'agit d'un concept fondamental en ML car l'objectif est de créer des modèles qui performent bien sur des données du monde réel, et pas seulement sur les données avec lesquelles ils ont été entraînés. Dans Azure Machine Learning, des techniques telles que la régularisation, la validation croisée et l'arrêt anticipé (early stopping) sont utilisées pour détecter et atténuer le surapprentissage.

Pourquoi chaque option est juste ou fausse

A

Juste

Lorsqu'un modèle performe bien sur les données d'entraînement mais mal sur de nouvelles données invisibles

Le surapprentissage se produit lorsqu'un modèle mémorise les données d'entraînement, y compris le bruit, de sorte que les performances d'entraînement sont élevées tandis que la généralisation à de nouvelles données invisibles est médiocre. Cet écart entre les performances d'entraînement et de validation est la caractéristique déterminante de la condition.

B

Fausse

Lorsqu'un modèle est entraîné avec trop peu de données

L'entraînement avec trop peu de données provoque un sous-apprentissage (underfitting), où le modèle ne parvient pas à capturer le modèle sous-jacent et performe mal à la fois sur les données d'entraînement et sur les nouvelles données. C'est tentant car les deux sont des problèmes de quantité de données, et cela serait correct si la question posait sur un modèle qui ne peut pas généraliser en raison d'exemples insuffisants.

C

Fausse

Lorsqu'un modèle prend trop de temps à s'entraîner

Le surapprentissage concerne le fait qu'un modèle mémorise les données d'entraînement de sorte qu'il généralise mal aux données invisibles ; la durée de l'entraînement n'est pas liée. C'est tentant car un entraînement long accompagne souvent des modèles complexes, mais le symptôme déterminant est de fortes performances d'entraînement associées à de faibles performances de validation.

D

Fausse

Lorsqu'un modèle performe mal à la fois sur les données d'entraînement et sur les données de test

Le sous-apprentissage (underfitting), et non le surapprentissage, décrit de mauvaises performances à la fois sur les données d'entraînement et de test ; le surapprentissage signifie une faible erreur d'entraînement avec une erreur de test élevée, car le modèle a mémorisé le bruit. C'est tentant car un modèle qui échoue partout signale véritablement une capacité ou un entraînement insuffisant, ce qui est le scénario où l'ajout de caractéristiques ou un entraînement plus long serait la bonne correction.

Pour aller plus loin

Le surapprentissage se produit lorsqu'un modèle apprend trop bien les données d'entraînement, y compris leur bruit et leurs fluctuations aléatoires, au point de mal performer sur des données nouvelles et invisibles. Cela se produit lorsque le modèle est trop complexe par rapport à la quantité de données d'entraînement, ou lorsque l'entraînement se prolonge trop longtemps sans régularisation. Essentiellement, le modèle mémorise au lieu de généraliser. Un signe subtil est un grand écart entre la précision d'entraînement et la précision de validation. En pratique, le surapprentissage est atténué par des techniques telles que la validation croisée, la régularisation (L1/L2), le dropout, l'arrêt anticipé (early stopping) et l'augmentation des données d'entraînement. Par exemple, un arbre de décision d'une profondeur illimitée peut atteindre une précision d'entraînement de 100 % mais de 60 % sur les tests, ce qui indique un surapprentissage.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AI-900 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.