Quelle observation est caractéristique d'un surapprentissage (surajustement) ?

Réponse : A. L'erreur est faible sur les données d'apprentissage mais élevée sur les données de validation

Le surapprentissage est l'état où le modèle a mémorisé jusqu'aux détails et au bruit des données d'apprentissage, si bien que ses performances sur de nouvelles données (capacité de généralisation) se dégradent. Il se repère à une erreur faible sur les données d'apprentissage mais élevée sur les données de validation. Une erreur élevée même sur les données d'apprentissage signale un sous-apprentissage : le modèle, trop simple par exemple, ne capture pas la tendance. Les remèdes sont d'augmenter les données, de simplifier le modèle, la régularisation, le dropout, ou l'arrêt précoce (early stopping), qui stoppe l'apprentissage quand l'erreur sur les données de validation commence à remonter.