Retour à Glossary
Surapprentissage
Quand un modèle fonctionne bien sur les données d'entraînement mais mal sur les données non vues, ayant mémorisé des motifs spécifiques à l'entraînement plutôt que d'apprendre des caractéristiques généralisables. Le surapprentissage est une préoccupation critique en apprentissage robotique où les ensembles de données sont petits. Les contre-mesures incluent l'augmentation de données, le dropout, la décroissance des poids, l'arrêt précoce et l'utilisation d'encodeurs pré-entraînés.