Évaluation & qualité
Surapprentissage — overfitting
Le surapprentissage décrit un modèle trop adapté aux particularités de ses données d’entraînement et moins performant sur de nouveaux exemples.
Comprendre la notion
Il peut être favorisé par un jeu trop petit, des variables peu pertinentes ou une complexité excessive. L’écart entre performances d’entraînement et de validation aide à le détecter. Réduire la complexité, améliorer les données et adopter une validation adaptée sont des pistes à comparer.
Exemple d’utilisation
Un classificateur reconnaît presque tous les messages historiques mais échoue sur ceux de nouveaux clients.
Point de vigilance
Une mauvaise performance future peut aussi venir d’un changement de contexte. Distinguer surapprentissage et dérive des données.
