Comment se manifestent les modèles faibles?

Les modèles faibles en apprentissage automatique se manifestent par une faible précision des prédictions, une mauvaise capacité de généralisation et l'incapacité à capturer des dépendances complexes dans les données. Cela se traduit généralement par :

• Une erreur élevée sur les données d'entraînement (sous-apprentissage).
• Incapacité du modèle à identifier des caractéristiques significatives.
• Des architectures linéaires simples ou trop limitées qui ne peuvent pas décrire adéquatement les données.

Par exemple, si un modèle ne peut pas classer correctement même des exemples simples de l'ensemble d'entraînement, cela indique un modèle faible.