MoyenneChoix unique

Question d'entraînement AI-900

Un data scientist entraîne un modèle de classification sur un dataset de 10 000 e-mails étiquetés pour distinguer le spam du non-spam. Le modèle atteint une précision de 99% sur les données d'entraînement mais de seulement 70% sur un ensemble de test mis de côté. Quel terme décrit le mieux cette situation ?

Choisissez la meilleure réponse.

Bonne réponse

  • BB) Overfitting

Explication

Le modèle obtient d'excellents résultats sur les données d'entraînement (99% de précision) mais de piètres résultats sur les données de test non vues (70% de précision), ce qui constitue le symptôme classique du surapprentissage (overfitting). Le surapprentissage se produit lorsque le modèle apprend le bruit et les motifs spécifiques de l'ensemble d'entraînement au lieu de généraliser à de nouvelles données, souvent en raison d'une complexité excessive du modèle ou d'une régularisation insuffisante.

Pourquoi chaque option est juste ou fausse

A

Fausse

A) Underfitting

Underfitting signifie de mauvaises performances à la fois sur les données d'entraînement et de test, alors qu'ici la précision d'entraînement est de 99%. Ce serait correct si le modèle avait obtenu, disons, 65% à l'entraînement et 63% au test, indiquant qu'il n'a pas réussi à apprendre le motif sous-jacent.

B

Juste

B) Overfitting

Overfitting se produit lorsqu'un modèle mémorise les données d'entraînement, y compris le bruit, de sorte qu'il s'adapte presque parfaitement aux 10 000 e-mails d'entraînement mais généralise mal aux données non vues. L'écart de précision de 99% à l'entraînement contre 70% au test est la signature classique de ce problème de variance, et non un problème de sous-apprentissage ou de déséquilibre des données.

C

Fausse

C) Bias-variance tradeoff

Le compromis biais-variance (bias-variance tradeoff) décrit l'équilibre général entre sous-apprentissage et surapprentissage, et non le phénomène spécifique d'une précision d'entraînement élevée avec une faible précision de test. Ce serait correct si la question portait sur le réglage de la complexité du modèle plutôt que sur la nomination de l'écart observé.

D

Fausse

D) Regularization

La régularisation est une technique qui pénalise la complexité du modèle pour réduire le surapprentissage ; ce n'est pas le terme décrivant l'écart lui-même. Ce serait la bonne réponse si la question demandait comment atténuer la divergence de 99% par rapport à 70%.

Pour aller plus loin

Overfitting se produit lorsqu'un modèle capture le bruit et les particularités de l'ensemble d'entraînement plutôt que le signal sous-jacent, de sorte que la précision d'entraînement augmente tandis que la généralisation stagne. Avec 10 000 e-mails et un classificateur à haute capacité, le réseau peut mémoriser des combinaisons de jetons rares qui ne corrèlent avec les étiquettes que par coïncidence, produisant l'écart de 99% par rapport à 70%. La décomposition biais-variance formule cela comme un biais faible et une variance élevée : le modèle s'adapte étroitement aux données d'entraînement mais ses prédictions varient nettement selon les rééchantillonnages. Les solutions incluent la régularisation (L2, dropout), l'arrêt précoce (early stopping) sur une division de validation, la réduction de la capacité du modèle ou l'augmentation des données. Lors du déploiement d'un filtre anti-spam, un tel modèle classerait mal les e-mails légitimes dont la formulation ressemble à celle du spam d'entraînement, nuisant à la délivrabilité.

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.