La limite supérieure de l’erreur de généralisation fait référence à la valeur maximale autorisée pour l’erreur de généralisation. Dépasser cette limite supérieure affectera la faisabilité de l’apprentissage automatique.

L'erreur de généralisation fait référence à l'erreur générée lors du processus de généralisation de l'ensemble d'apprentissage vers l'extérieur de l'ensemble d'apprentissage. En général, l'erreur en dehors de l'ensemble d'apprentissage est utilisée, c'est-à-dire l'erreur attendue dans l'ensemble de l'espace d'entrée moins l'erreur d'apprentissage.

Étant donné que la limite supérieure de l’erreur a une large plage de généralité, elle est élargie plusieurs fois au cours du processus de dérivation, et la limite supérieure finalement obtenue est très lâche. L’importance de l’application pratique réside principalement dans sa valeur relative plutôt que dans sa valeur absolue.

Deux facteurs affectent l’erreur de généralisation : la taille des données et la complexité du modèle. En règle générale, la quantité de données sera augmentée autant que possible, tandis que la complexité doit être considérée de manière globale. Afin d’obtenir les meilleures performances, il faut trouver un équilibre entre les deux.

Références

【1】Limite supérieure de l'erreur de généralisation pour l'apprentissage automatique