Apprentissage avec des données déséquilibrées

L’apprentissage avec des données déséquilibrées se produit lorsque certaines classes ou catégories dans un ensemble de données sont sous-représentées par rapport à d’autres. Cela peut poser des défis pour les modèles d’intelligence artificielle, car ils peuvent avoir du mal à reconnaître et à prédire les classes minoritaires avec précision.

Exemple : Dans la détection de fraudes, les transactions frauduleuses sont souvent beaucoup moins fréquentes que les transactions légitimes, créant un déséquilibre dans les données. Les modèles formés sur de telles données peuvent avoir tendance à favoriser la prédiction de transactions légitimes au détriment de la détection de fraudes.

Retourner à l'index du lexique