Généralisation

La généralisation est la capacité d’un modèle d’apprentissage machine à bien performer sur de nouvelles données jamais vues auparavant, après avoir été entraîné sur un ensemble de données d’entraînement. C’est la mesure ultime de l’efficacité d’un modèle : sa capacité à appliquer ce qu’il a appris à des situations réelles, inconnues et variées, plutôt que de se contenter de répéter par cœur ce qu’il a vu pendant l’entraînement.

Exemple : Si un modèle a été entraîné pour détecter des spams dans les e-mails et qu’il est capable de filtrer efficacement les spams dans des e-mails qu’il n’a jamais vus pendant son entraînement, cela indique qu’il a généralisé ses connaissances au-delà de l’ensemble d’entraînement initial.

Retourner à l'index du lexique