Accueil>Tests>Questions>En deep learning, le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'adéquation du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.
Question du test Deep learning - Les bases
En deep learning, le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'adéquation du modèle sur le jeu d'entraînement tout en ajustant ses hyperparamètres/paramètres: en d'autres termes, le modèle est trouvé et ensuite testé sur le jeu de validation avant d'être amélioré une fois de plus.
Très facile
Le jeu de donnée de/d’ _____ est utilisé afin d’évaluer de manière régulière et impartiale les performances du modèle au fure et à mesure de l'amélioration de ses paramètres et hyperparamètres. En d’autre termes, le modèle est d’abord développé, celui-ci est ensuite essayé sur le jeu de données de ____ avant d’être à nouveau amélioré.
Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 651 fois
Modifier
1
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
12
Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?9
Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.6
Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?1
Quel type de réseau de neurones est le meilleur pour le traitement d'images?1
Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?1
La validation croisée est une technique utilisée pour évaluer les modèles DL (deep learning) (et les modèles ML en général). La méthode consiste à entraîner plusieurs modèles sur des sous-ensembles des données d'entrée et à les évaluer sur le sous-ensemble complémentaire de ces mêmes données. Elle vise à éviter le surapprentissage.1
Afin d'obtenir de bons résultats lors de la mise en œuvre de l'apprentissage profond, il faut préparer ses données avant de les utiliser. Quelle action **PEUT** être effectuée pendant cette préparation?