Séance de cours
Compréhension de la généralisation : partialité implicite et optimisation
Description
Cette séance de cours se penche sur le compromis entre la complexité et le risque dans les modèles d'apprentissage automatique, montrant comment l'erreur de test diminue avec la complexité croissante des modèles. Il explore les avantages de la surparamétrisation, le biais implicite des algorithmes d'optimisation et le concept de régularisation implicite. La discussion s'étend à la stabilité des algorithmes d'optimisation, au phénomène de double descente et à la probabilité d'interpolation dans les ensembles de données à haute dimension.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.