Généralisation

Votre mouvement d’apprentissage

S’orienterClarifier un terme, une source, une personne ou un événement.

Pourquoi cette page existe

Les pages de référence soutiennent l’apprentissage sans vous obliger à abandonner votre question ou parcours.

Ce que vous en retirerez

La généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.

Avant de commencer

Utilisez ces pages seules ou revenez à l’objet qui vous y a conduit.

Faites ceci maintenant

Trouvez le fait ou la relation nécessaire, puis revenez à votre objectif.

À faire maintenantClarifier ce conceptLe plan indique le résultat, le temps, les prérequis, l’action immédiate et la suite préparée.Autre parcours valableExaminer les SourcesVoir la provenance, la revue et les limites des preuves.

Compte

Glossaire connecté

Généralisation

La généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.

Plan pour cette page

Comprendre un concept dans un langage simple et le relier à des idées voisines.

Vous repartirez avec: Le modèle généralise lorsqu’il apprend des motifs transférables au-delà des cas mémorisés. L’affirmation doit préciser population, tâche, période, environnement et performance acceptable plutôt que supposer un transfert universel.
Temps: 3–8 min
Avant de commencer: Aucun prérequis. Gardez un exemple réel en tête.
Faites ceci maintenant: Lisez l’explication, puis comparez l’exemple à l’idée reçue.

Étape suivante préparéeExaminer l’apprentissage au-delà des exemples

GénéralisationLa généralisation est la capacité d’un modèle à rester utile sur des exemples ou conditions pertinents non vus pendant l’entraînement.

Évaluation
Surapprentissage
Changement de distribution

Explication

Le modèle généralise lorsqu’il apprend des motifs transférables au-delà des cas mémorisés. L’affirmation doit préciser population, tâche, période, environnement et performance acceptable plutôt que supposer un transfert universel.

Exemple

Un modèle entraîné sur l’écriture de certaines personnes généralise s’il reconnaît aussi de nouveaux scripteurs appartenant à la population visée.

Pourquoi cela compte

Les utilisateurs et situations réels diffèrent des données d’entraînement. Des tests séparés et le suivi en exploitation montrent si la performance résiste au changement.

Idée reçue

Idée reçue : une bonne exactitude de test prouve un fonctionnement partout. Correction : elle soutient seulement les conditions correctement représentées par le test et la méthode.

Concepts liés

Suivez les relations, pas seulement l’alphabet

ÉvaluationL’évaluation est la mesure et l’enquête structurées sur la performance d’un modèle ou système face à des questions, critères et contextes définis.SurapprentissageLe surapprentissage apparaît lorsqu’un modèle épouse trop les exemples d’entraînement ou leur bruit et réussit moins bien sur de nouveaux cas pertinents.Changement de distributionUn changement de distribution est une différence significative entre les données ou conditions de développement d’un modèle et celles rencontrées plus tard.

Examiner l’apprentissage au-delà des exemples

Sources et périmètre

Ce qui soutient cet objet

Machine Learning GlossaryGoogle for Developers

Définit la généralisation et les concepts d'évaluation associés ; les performances observées restent limitées par les données et conditions testées.

Ouvrir la source

Loading page content...

…