surapprentissage

CONT: Une fois l'apprentissage réalisé, le réseau sera confronté à des motifs d'entrée n'appartenant pas à la base d'apprentissage, on dit qu'il fonctionne alors en généralisation. Il peut alors se produire le phénomène de surapprentissage : le réseau qui a obtenu de très bonnes performances sur la base d'apprentissage a de très mauvaises performances en généralisation sur la base de test alors que base de test et base d'apprentissage ont été sélectionnées aléatoirement parmi les exemples disponibles.

CONT: ... overfitting is the situation where an algorithm is trained too well for accuracy with a specific training data set. If tailored too specifically to a training data set, the algorithm fails to generalize well and its predictive power is reduced for any new data.