Accueil>Tests>Questions>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.
Question du test Machine learning - Les bases
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.
Très facile
Le phénomène de/d' ______ se réfère à la création d’un modèle qui correspond trop à un jeu de donnée d'entraînement précis et qui ne parvient pas s’adapter à d’autres jeux de données : ce modèle est de fait spécifique et non général, il ne parvient donc pas à faire des prédiction fiables. Quel est le mot manquant?
Auteur: MartinStatut : PubliéeQuestion passée 977 fois
Modifier
6
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
4
Clustering est un processus d'apprentissage automatique non supervisé qui vise à découvrir automatiquement des regroupements naturels dans les données d'entrée. Lorsque cette méthode est utilisée, le développeur peut choisir le nombre de groupes qu'il souhaite créer.4
Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?16
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?5
Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …8
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?4
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 doit être effectuée lors de cette préparation?7
Le jeu de validation est utilisé pour fournir des évaluations fréquentes et non biaisées de l'ajustement 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.