Overfitting

L’overfitting se produit lorsqu’un modèle d’IA apprend les détails et le bruit dans les données d’entraînement au point de nuire à la performance du modèle sur de nouvelles données, rendant le modèle moins généralisable.

Exemple : Un modèle qui prédit les résultats des matchs de football pourrait être tellement ajusté aux saisons passées qu’il échoue à prédire correctement les résultats dans des conditions ou avec des équipes qu’il n’a pas rencontrées pendant l’entraînement.