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 1312 fois
Modifier
7
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
19
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?10
Comment gérer les données manquantes dans un jeu de données d'apprentissage donné ?6
Qu'est-ce que l'apprentissage par ensemble ? Il consiste à …11
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.4
Donné un jeu de données, quels éléments vous aideront à choisir quel modèle / méthode d'apprentissage automatique utiliser pour créer un modèle efficace?5
Quelles sont les différences/similarités entre une fonction de perte, une fonction d'erreur et une fonction de coût?5
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.