Scribd
Importer
33 vues1 page

Questions

Le document contient une série de questions et réponses concernant l'étude d'un modèle d'apprentissage. Il aborde des sujets tels que la taille d'échantillon, le nombre d'images nécessaires pour l'entraînement, le choix entre complexité et précision du modèle, ainsi que la prévention du sur-apprentissage. Les réponses suggèrent un équilibre entre complexité et précision, et l'importance de la diversité des données.

Transféré par

Ayà Chouit
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
33 vues1 page

Questions

Le document contient une série de questions et réponses concernant l'étude d'un modèle d'apprentissage. Il aborde des sujets tels que la taille d'échantillon, le nombre d'images nécessaires pour l'entraînement, le choix entre complexité et précision du modèle, ainsi que la prévention du sur-apprentissage. Les réponses suggèrent un équilibre entre complexité et précision, et l'importance de la diversité des données.

Transféré par

Ayà Chouit
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

Questions à poser à Monsieur Akil :

 Est-ce que 100 mesures sont suffisantes pour faire l'étude ?

Réponse suggérée : En général, 100 mesures peuvent être un bon point de départ, mais cela
dépend de la variabilité des données et de la complexité du problème. Il serait judicieux de
consulter trois experts pour obtenir des avis variés sur la taille d'échantillon nécessaire.

 Combien d'images pourra-t-on entrer dans le modèle pour pouvoir l'entraîner ?

Réponse suggérée : Le nombre d'images nécessaires dépend de la complexité du modèle et


de la diversité des défauts que vous souhaitez détecter. En général, plus vous avez d'images,
mieux c'est, mais il est important de s'assurer que ces images couvrent bien toutes les
variations possibles des défauts.

 Est-ce qu'on choisit le modèle à partir de la complexité ou de la précision ?

Réponse suggérée : Le choix du modèle doit être un équilibre entre complexité et précision.
Un modèle trop complexe peut sur ajuster les données, tandis qu'un modèle trop simple peut
ne pas capturer les nuances nécessaires. Il est souvent utile de commencer avec un modèle
simple et d'augmenter la complexité si nécessaire.

 Est-ce que je ne vais pas tomber dans le sur apprentissage (overfitting) si je


diminue le nombre de couches ?

Réponse suggérée : Diminuer le nombre de couches peut effectivement aider à réduire le


risque de sur apprentissage, surtout si vous avez un nombre limité de données. Cependant, il
est important de surveiller les performances du modèle sur un ensemble de validation pour
s'assurer qu'il généralise bien. Des techniques comme la régularisation ou l'utilisation de
dropout peuvent également aider à prévenir le sur apprentissage.

Vous aimerez peut-être aussi