Absence d'overfitting dans évaluation du vin (exemple 1 du cours

Question

Bonjour,

      Merci pour cette formation. Je ne sais d'ailleurs pas si ma question est posée au bon endroit. La voici: lors du premier exemple sur l'évaluation du vin il ne me semble pas qu'un overfitting apparaissait en augmentant les entrainements. Y a t'il une raison particulière à ce résultat qui n'est pas en accord avec la courbe présentée lors du cours ? Es ce plutôt dépendant du nombre de données pour l'entrainement ? d'un nombre adéquat d'epoch ? Ou de l'adéquation du réseau de neurones au problème posé ? Ou d'une autre raison ?

Merci d'avance

Jean-François Bureau

Answer 1

- Le nombre de donnees pour l'entrainement ne cree pas d'overfitting
- le nombre adequat d'epoch depend de chaque etude, ca peut etre 5, 10, 100 .. etc on arrete l'entrainement (et donc on trouve le nombre adequat d'epochs) lorsque le loss des donnees de test remontent alors que le loss des donnees d'entrainement continuent de diminuer, car sinon on overoptimise
- niveau adequation du reseau, il s'agit d'un hyper parameter (nombre de layers, profondeur), et donc il faut trouver la bonne structure; si le reseau est trop large par rapport aux donnees d'entree, on peut overfitter, et la courbe du loss nous le montrera